arXiv cs.AI· Ben Rachmut, Ning Zhang, Yevgeniy Vorobeychik, William Yeoh·· 11 小时前AI 评分35
用符号引导调控 LLM 智能体自主性，提升分布式多智能体协调表现
Symbolic Guidance for LLM Agents in Distributed Multiagent Coordination
AI 导读
研究提出符号引导分类法（SGT），按从开放式自然语言推理到完全规定算法执行的谱系刻画 LLM 智能体的自主性等级。基于 AgentsNet 基准的测试显示，提供部分伪代码引导的中间自主性等级，表现稳定优于无引导智能体和完全规定式规范。该结果表明自主性调控是基于 LLM 的分布式协调的关键设计原则。
正文 · AI 翻译
摘要：大语言模型（LLM）正越来越多地作为自主智能体部署于多智能体系统中，然而其可靠执行分布式协调协议的能力仍鲜为人知。AgentsNet 是一个用于 LLM 智能体间分布式协调的基准框架，虽能支持此类协调，但赋予完全推理自主权往往会导致在复杂领域中性能不稳定或下降。
我们假设，通过源自既有算法的符号化引导来调节智能体自主权，可以改善协调效果。为探究这一点，我们引入了 \emph{符号化引导分类法（SGT）}，它刻画了从开放式自然语言推理到完全规定的算法执行之间的自主权谱系，其中间层级提供部分伪代码引导。我们的结果表明，中间自主权层级始终优于无引导的智能体以及完全规定性的规范。这些发现将自主权调节确定为基于 LLM 的分布式协调的一项关键设计原则。
| 评论： | 本工作的初步版本已作为扩展摘要发表于 AAMAS 2026 会议论文集 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2609.31963 [cs.AI] |
| （或 arXiv:2609.31963v2 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.31963 arXiv 颁发的 DOI（通过 DataCite） |
提交历史
来自：Ben Rachmut [查看邮箱]
[v1]
2026年9月25日星期五 20:07:57 UTC（291 KB）
[v2]
2026年10月22日星期四 18:20:41 UTC（293 KB）
来源：arXiv cs.AI · arxiv.org