arXiv cs.MA· Guojun Zhu, Xinyou Chen, Kejian Zhang, Zhi Zhang, Sanguo Zhang, Doudou Zhou·· 11 小时前AI 评分31
AgentCue：用统计摘要引导去中心化多智能体自组织
AgentCue: Statistical Summaries for Guiding Decentralized Multi-Agent Self-Organization
AI 导读
AgentCue 提出用共享隐空间模型的统计摘要替代共享板上的重复检索，让去中心化多智能体系统中的 worker 直接依据摘要选择子任务与协作者。该方法将执行历史表示为协作网络与参与网络，在每个检查点输出紧凑可解释的统计摘要，并给出持续更新网络下模型可识别性与估计精度的理论结果。在跨文档推理、数学定理证明和软件补丁生成三个基准上，AgentCue 提升了自组织的效率、准确性与可解释性。
正文 · AI 翻译
摘要：多智能体系统（MAS）将多个智能体组合起来以解决复杂任务，而近期的 MAS 已扩展到超过一千个智能体。在这一规模下，去中心化的 MAS 移除了分配子任务的中央编排器，智能体（我们称之为 worker）通过在共享看板上自行选择子任务和协作者来实现自组织。然而，随着 worker 不断添加参与和协作记录，信息量急剧膨胀：worker 花费越来越多精力阅读其他 worker 的记录，自组织效率随之下降。在统计视角下，我们用两个持续更新的网络来表示 MAS 的执行历史：worker 之间的协作网络，以及 worker 与任务类型之间的参与网络。随后我们提出 AgentCue，该方法基于一种新的潜空间模型，将 worker 和任务类型置于共享潜空间中。在每个检查点，即在 worker 完成固定数量的会话之后，潜空间模型的估计参数构成一个紧凑且可解释的统计摘要，worker 利用该统计摘要选择子任务和协作者，而无需反复搜索共享看板。我们还给出了针对持续更新网络的模型可识别性和估计精度的理论结果。在跨文档推理、数学定理证明和软件补丁生成这三个基准上的实验表明，AgentCue 提升了自组织的效率、准确性和可解释性。
| 评论： | 87 页，8 张图，含补充材料 |
| 主题： | 多智能体系统（cs.MA）；图形学（cs.GR） |
| 引用为： | arXiv:2610.16621 [cs.MA] |
| （或 arXiv:2610.16621v2 [cs.MA] 为本版本） | |
| https://doi.org/10.48550/arXiv.2610.16621 由 DataCite 颁发 arXiv DOI |
提交历史
来自：Guojun Zhu [查看邮箱]
[v1]
2026 年 10 月 12 日星期一 11:38:15 UTC（558 KB）
[v2]
2026 年 11 月 5 日星期四 12:28:27 UTC（608 KB）
来源：arXiv cs.MA · arxiv.org