arXiv cs.AI· Zhenting Qi, Huangyuan Su, Ao Qu, Chenyu Wang, Yu Yao, Han Zheng, Kushal Chattopadhyay, Guowei Xu, Zihan Wang, Weirui Ye, Vijay Janapa Reddi, Ju Li, Paul Pu Liang, Himabindu Lakkaraju, Sham Kakade, Yilun Du·· 3 天前AI 评分39
Economy of Minds：基于经济交互的多智能体智能如何自发涌现
Economy of Minds: Emerging Multi-Agent Intelligence with Economic Interactions
AI 导读
研究者提出"智能体经济"框架，让基于 LLM 的智能体通过拍卖竞争行动权、交换支付并从环境奖励中积累财富，以去中心化激励机制自发形成全局规划。该框架从弱智能体起步，在数学推理、金融研究、科学研究、加速器设计与分布式系统优化五项任务上均优于更强的单体基线，并涌现出多步推理策略。
正文 · AI 翻译
作者：Zhenting Qi、Huangyuan Su、Ao Qu、Chenyu Wang、Yu Yao、Han Zheng、Kushal Chattopadhyay、Guowei Xu、Zihan Wang、Weirui Ye、Vijay Janapa Reddi、Ju Li、Paul Pu Liang、Himabindu Lakkaraju、Sham Kakade、Yilun Du
摘要：一群智能体如何在没有集中控制的情况下自我编排、自我适应，形成更强的集体智能？受弗里德里希·哈耶克关于市场去中心化协调的经济理论启发，我们通过一个智能体经济体来研究这一问题：在该经济体中，智能体通过拍卖竞争行动权、交换支付，并从环境奖励中积累财富。这些简单的局部激励引发了去中心化的信用分配，无需显式编排或通信协议即可驱动全局规划。该群体通过经济选择进行演化：有效的智能体积累财富并通过利用被变异，而无效的智能体则破产并通过探索被替换。使用现代基于大语言模型（LLM）的智能体，我们表明，在从弱智能体初始化的情况下，该智能体经济体产生了涌现的多步推理策略，并在五项智能体任务上超越了更强的单体基线，包括数学推理、金融研究、科学研究、加速器设计和分布式系统优化。我们的结果表明了一条通往多智能体智能的新路径：与其工程化协调，我们可以设计去中心化的激励结构，使协调自动涌现。
| 评论： | NeurIPS 2026 |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI）；多智能体系统（cs.MA） |
| 引用格式： | arXiv:2606.02859 [cs.CL] |
| （或 arXiv:2606.02859v2 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2606.02859 arXiv 颁发的 DOI，通过 DataCite |
提交历史
来自：Zhenting Qi [查看邮箱]
[v1]
2026年6月1日星期一 20:21:09 UTC（559 KB）
[v2]
2026年10月13日星期二 04:20:25 UTC（559 KB）
来源：arXiv cs.AI · arxiv.org