arXiv cs.MA· Zekai Chen, Yihan Sun, Xunkai Li, Xun Wu, Xinmo Jin, Yinlin Zhu, Haodong Lu, Xuaner Chen, Rong-Hua Li·· 23 小时前AI 评分31
TRACE-MAS:诊断并修复多智能体系统中的协作故障
TRACE-MAS: Diagnosing and Repairing Collaboration Failures in Multi-Agent Systems
AI 导读
TRACE-MAS 是一个用于诊断和修复 LLM 多智能体系统协作故障的细粒度框架,通过学习良性轨迹中的正常协作模式,检测智能体状态变化、消息传递和任务依赖演化中的偏差。它通过来源感知归因定位责任执行元素,并选择最小干预恢复协作,在五个 MAS 基准上根因定位准确率提升 60.2%,任务恢复效果也优于现有强基线。
正文 · AI 翻译
摘要:基于 LLM 的多智能体系统(MAS)不仅依赖单个智能体的行为,还依赖连接智能体的交互,包括消息交换和任务依赖。现有的 MAS 防护措施主要执行智能体级别的异常检测,当故障源于智能体交互时,这种检测就显得不足,且检测到的异常不一定能揭示其真正来源。为解决这一局限,我们提出 \textbf{TRACE-MAS},一个用于诊断和修复 MAS 故障的更细粒度框架。TRACE-MAS 从良性轨迹中学习正常的协作执行模式,并检测智能体状态变化、消息传递和任务依赖演化中的偏差。它进一步通过来源感知归因识别负责的执行元素,并选择最小干预措施以恢复协作,同时保留任务关键能力。在五个 MAS 基准上的实验表明,TRACE-MAS 将根因定位准确率显著提升 \textbf{60.2}\% ,并在任务恢复方面相比强 MAS 防护措施取得了一致的增益。
| 主题: | 机器学习(cs.LG);多智能体系统(cs.MA) |
| 引用为: | arXiv:2611.23362 [cs.LG] |
| (或 arXiv:2611.23362v1 [cs.LG] 用于此版本) | |
| https://doi.org/10.48550/arXiv.2611.23362 由 DataCite 颁发的 arXiv DOI(待注册) |
提交历史
来自:Zekai Chen [查看电子邮件]
[v1]
2026年11月17日星期二 16:49:33 UTC(1,636 KB)
来源:arXiv cs.MA · arxiv.org