arXiv cs.AI· Zhezheng Hao, Tianfu Wang, Huanshuo Dong, Ziyan Liu, Hong Wang, Xiankun Lin, Qiang Lin, Can Wang, Hande Dong, Jiawei Chen·· 3 天前AI 评分31
Meta-Team：面向 LLM 多智能体系统的协作式自进化框架
Evolve as a Team: Collaborative Self-Evolution for LLM-based Multi-Agent Systems
AI 导读
Meta-Team 是一个基于协作自进化的经验驱动 LLM 多智能体系统进化框架，通过保留各智能体的执行上下文并协调任务后通信，让智能体交换分布式证据以支持进化。该框架将执行经验转化为智能体行为、智能体间协调和团队级组织三个尺度的可复用改进，在六个长时程智能体基准上持续优于单智能体系统、手工设计的 MAS 及此前的 MAS 进化方法。
正文 · AI 翻译
摘要：基于大语言模型的多智能体系统（MAS）已成为处理复杂长时程任务的有效范式。然而，在现实任务中，MAS 在执行过程中常出现各种失败，且这些失败在设计阶段难以消除。这促使了经验驱动的 MAS 演化，即系统基于自身执行经验进行改进。然而这种演化颇具挑战，因为 MAS 的经验冗长而复杂，交织着多个智能体的执行链和通信消息，使得难以识别应当改进之处。为应对这一挑战，我们提出 Meta-Team，一个基于协作式自演化的经验驱动 MAS 演化框架。Meta-Team 保留每个智能体的执行上下文并协调任务后通信，使智能体能够交换分布式证据以进行演化。基于此设计，Meta-Team 进行多尺度自演化，将执行经验转化为对智能体行为、智能体间协调以及团队级组织的可复用改进。在六个长时程智能体基准上，Meta-Team 持续优于单智能体系统、手工设计的 MAS 以及先前的 MAS 演化方法；进一步分析表明，Meta-Team 能够实现更可靠、更具可扩展性的 MAS 自演化。
| 学科： | 多智能体系统（cs.MA）；人工智能（cs.AI） |
| 引用为： | arXiv:2605.29790 [cs.MA] |
| （或使用 arXiv:2605.29790v2 [cs.MA] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2605.29790 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Zhezheng Hao [查看邮箱]
[v1]
2026年5月28日星期四 11:40:16 UTC（1,317 KB）
[v2]
2026年10月13日星期二 07:59:39 UTC（1,378 KB）
来源：arXiv cs.AI · arxiv.org