arXiv cs.MA· Wenwen Zheng, Yuzhe Yang, Helen Qu, Xin Eric Wang, Haewon Jeong·· 10 天前AI 评分22
多智能体搜索中的吸收态相变
Absorbing State Phase Transitions in Multi-Agent Search
AI 导读
研究用吸收态相变形式化方法预测 LLM 多智能体搜索任务的成功率，将搜索任务分为四类，并从理论上推导出临界通信度 d_c——每个智能体可通信的最小邻居数，超过该值错误假设便不会失控扩散、搜索进入已解状态。在软件配置调试与物理机制发现等真实任务上评估前沿 LLM 多智能体系统，结果与理论吻合程度不一：智能体可能不与邻居通信，并发展出对个体有利但限制协作收益的策略。
正文 · AI 翻译
摘要：基于大语言模型（LLM）的多智能体系统可以涌现出非平凡的动力学行为，并且已有初步证据表明，来自统计力学的形式化方法能够有效地建模和预测此类行为。与此同时，为最优任务求解设计多智能体通信拓扑是一个活跃的研究问题。在本文中，我们聚焦于使用吸收态相变的形式化方法来预测多智能体搜索任务的成功与否。我们首先依据组合搜索中的经典结果，将搜索任务分类为四种类型。随后，我们从理论上推导出一个临界通信度 $d_c$，即每个智能体可以与之通信的智能体的最小数量，高于该值时，错误假设不会不受控制地扩散，搜索进入已求解状态。最后，我们在真实世界的搜索与发现任务（软件配置调试和物理机制发现）上评估了基于前沿 LLM 的多智能体系统，发现与理论的一致性参差不齐。LLM 智能体可能不会与其邻居通信，并且可能发展出对个体有利但限制了协作收益的策略。
| 评论： | 代码：this https URL |
| 学科： | 多智能体系统（cs.MA） |
| 引用为： | arXiv:2609.38327 [cs.MA] |
| （或 arXiv:2609.38327v2 [cs.MA] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.38327 由 DataCite 提供的 arXiv 颁发的 DOI |
提交历史
来自：Helen Qu [查看电子邮件]
[v1]
2026年9月29日星期二 18:00:49 UTC（784 KB）
[v2]
2026年10月7日星期三 17:19:56 UTC（784 KB）
来源：arXiv cs.MA · arxiv.org