arXiv cs.AI· Shao-Jun Xia, Yuner Zhang, Huixin Zhang, Di Wang, Yifan Jiang, Liangxi Liu·· 11 小时前AI 评分31
自动化多智能体组织设计：从架构搜索到组织学习
Automated Multi-Agent Organization Design: From Architecture Search to Organizational Learning
AI 导读
研究者提出自动化多智能体组织设计（AMOD），把组织本身作为一等设计对象，显式建模智能体团队如何组成、承担哪些功能职责、如何协调与集体决策。AMOD 以执行驱动的设计循环运行：自动设计器为每个任务实例化组织，执行后检查任务结果、中间产物与交互轨迹，识别缺失、重复或无效的职责并据此修订组织。研究还提出在匹配资源预算下通过移除职责、替换为通用角色或改变分配来检验所发现的职责。
正文 · AI 翻译
摘要：智能体系统设计正日益从手工编写的提示词和工作流，转向对智能体程序与交互结构进行自动化搜索，其中多智能体系统受到越来越多的关注。然而，一个核心问题仍未解决：自动生成的多智能体结构何时才体现出功能上有意义的责任划分？我们认为，自动化多智能体设计应当超越对有效架构的搜索，转向识别哪些责任在功能上是必要的、应如何分配这些责任，以及何时应当改变它们。为探索这一问题，我们提出自动化多智能体组织设计（AMOD），它将组织本身视为一等设计对象，显式建模智能体团队如何组成、智能体承担哪些功能责任、它们如何协调，以及集体决策如何做出。我们将 AMOD 形式化为一个执行驱动的设计循环。对于每个任务，自动化设计器通过为一组智能体分配功能责任与协调规则来实例化一个组织。执行之后，检查任务结果、中间产物和交互轨迹，以识别哪些责任可能缺失、重复或无效，并据此修订组织。我们还提出在匹配的资源预算下，通过移除所发现的责任、用通用角色替换它们，或改变其分配来检验这些责任，并辅以互补的评估。AMOD 为基于证据的、自适应的多智能体组织设计提供了有原则的基础。
| 评论： | 初稿：4 页，3 幅图 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.27531 [cs.AI] |
| （或 arXiv:2610.27531v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.27531 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Huixin Zhang [查看邮箱]
[v1]
2026年10月20日 星期二 02:47:52 UTC（206 KB）
来源：arXiv cs.AI · arxiv.org