DeLM：用共享上下文与任务队列实现去中心化多智能体系统

概述 动机 思路 方法 结果 轨迹分析 BibTeX

具有共享上下文的去中心化多智能体系统

并行智能体共享上下文任务队列

斯坦福大学

论文 代码 轨迹 插件

概述

TL;DR

• 问题。多智能体系统并行运行智能体来处理长时程任务，但现有设计将大量这种并行性浪费在气泡上：智能体等待其他智能体或重做同伴工作所花费的时间。
• 思路。DeLM 用一个共享上下文和一个任务队列取代主智能体。智能体异步认领任务，一旦发现可用结果就立即发布，并在同伴进展的基础上继续推进或加以纠正，每个同伴的状态对所有智能体可见。
• 结果。在 Terminal-Bench 4.0 和 DeepSWE v1.1 的长时程任务以及 SWE-bench Verified 上，DeLM 比 Codex、Claude Code、它们原生的子智能体以及 AOrchestra 都更准确、更快速：比最强基线最多准确 17.5 个百分点，比它所基于的框架最多快 2.49 倍。

现有多智能体系统将大量并行性浪费在气泡上：智能体等待其他智能体或重做同伴工作所花费的时间。 DeLM 通过让智能体经由共享上下文和任务队列进行异步协调，消除了其中大部分气泡，且无需主智能体参与。

动机：多智能体系统中的工作流气泡

多智能体系统（MAS）提供了一种在测试时扩展大语言模型推理的自然方式：不是用单条轨迹解决复杂任务，而是将其分解为子任务，并行派发智能体，并汇总它们的进展。借用流水线并行中的一个术语，我们将不推进解决方案的智能体时间称为气泡：智能体等待其他智能体所花费的时间，或重做同伴已完成工作所花费的时间。气泡浪费算力并拉长实际耗时，而三大主流 MAS 家族各自以不同方式产生气泡。

独立智能体

冗余工作

它们的气泡是冗余工作：智能体运行时互不共享，因此每个智能体都会重新发现同伴已经发现的故障、修复方法和死胡同。

同伴通信智能体

屏障等待

它们的空泡是屏障等待：每个同步轮次持续到最慢的智能体完成，因此提前完成的智能体只能空转。

集中式编排

中继等待

它们的空泡是中继等待：主智能体在委派工作运行时空转，而子智能体在主智能体转达之前无法基于彼此的进展继续推进。

用共享上下文和任务队列取代主智能体

我们提出去中心化语言模型（DeLM），这是一个协调层，通过让智能体经由共享上下文和任务队列异步协调，且没有主智能体介入，从而挤出这些空泡。

• 没有屏障等待或中继等待。智能体从任务队列异步认领任务，因此没有智能体需要等待一轮结束或等待主智能体分配工作。
• 不等待未完成的工作。智能体一旦发现可用就将精简的发现发布到共享上下文，因此同伴可以基于中间进展继续推进，而不必等待中继。
• 没有冗余工作。任务队列和共享上下文显示每个智能体正在做什么以及哪些方法已经失败，因此智能体避免重复同伴的工作。
• 更新触达所有人。改进和修复作为新条目追加，而不是通过主智能体中继，因此每个智能体都能获取同伴的最新工作，而无需再进行一轮委派。

去中心化语言模型（DeLM）

给定任务 D，DeLM 并发运行 n 个智能体，每个智能体都有自己的持久会话和工作区。智能体通过两个共享结构进行协调：共享上下文 C 和任务队列 T，每个智能体产出自己的完整解决方案。

1. 初始化任务队列
2. 并行执行子任务
3. 总结并发布中间结果
4. 随着工作推进更新任务队列
5. 最终确定每个智能体的解决方案

这些操作以异步方式推进，而非同步进行：当一个智能体发布结果时，其他智能体继续工作，并可在结果一出现时立即复用。

任务队列

在智能体之间分配工作，没有规划者负责。任何智能体都可以随时添加任务或认领开放任务，先认领者胜。每个任务都会显示它是开放、已认领还是已完成，以及由谁负责，因此每个智能体都知道谁负责什么以及还剩多少。

实验

我们在四个智能体编码基准上评估 DeLM：Terminal-Bench 4.0，智能体在实时终端中共享发现的环境状态和失败尝试；DeepSWE v1.1，智能体在长时程软件工程任务中复用彼此的调试进展；SWE-bench Verified，智能体为真实 GitHub 问题探索替代根因和修复方案；以及 ProgramBench，智能体从零重建整个程序。我们与 Codex 和 Claude Code（有无原生子智能体）、AOrchestra 进行比较，并在 SWE-bench Verified 上与 mini-SWE-agent 比较。

由于 DeLM 面向协调至关重要的长时程任务，我们在 Terminal-Bench 4.0 和 DeepSWE v1.1 的长时运行任务子集上进行评估。我们根据 Codex 搭配 GPT-6-Astra 的挂钟延迟选择任务：对于 Terminal-Bench 4.0，我们选择 10 个延迟在 15 分钟到 1 小时之间的任务；对于 DeepSWE v1.1，我们选择 10 个延迟至少 10 分钟的任务。

展示每个基准中选出的 10 个任务

从 Terminal-Bench 4.0 和 DeepSWE v1.1 中选出的任务。基线延迟是 Codex 基线使用 GPT-6-Astra 在 xhigh 推理努力下的平均执行时间。

Terminal-Bench 4.0

DeepSWE v1.1

使用 Claude Opus 5.5 时，提升幅度更大：DeLM（n = 4）达到 90.83%，比最强基线 AOrchestra（73.33%）高出 17.5 个百分点，且运行速度比 Claude Code 快 1.57×。

SWE-bench Verified

^a Claude Code CLI 以 Anthropic API 格式发送 cache_control 块，因此缓存复用仅在上游提供商遵循这些块时才有效。对于 Gemini-3-Flash，不使用缓存复用的实际成本因此约为每任务 $1。

当 n = 4 时，DeLM 达到 66.08% 的准确率，比最强基线 AOrchestra（55.26%）高出 10.8 个百分点。

ProgramBench

轨迹分析：去中心化协调如何发挥作用？

并行子任务执行缩短关键路径

单个代理按顺序构建 CPU、图形和音频，并在 27.0 分钟内完成。当 n = 2 时，一个代理构建图形和系统组件，而其同伴构建 CPU 然后音频，在 20.9 分钟内完成（1.29×）。当 n = 4 时，不同的代理同时构建系统、图形、CPU 和音频，任务在 7.5 分钟内完成（3.6×）。

对等状态感知避免重复探索

DeLM 通过任务队列和共享上下文暴露每个代理的声明、状态和所述范围，因此代理可以在其搜索仍在运行时注意到重叠并进行重定向。在一次四代理运行中，代理 1 和代理 3 独立开始调整相同的端口宽度和位置。代理 1 随后通过共享上下文看到了代理 3 的声明：

[agent-3/FACT] [...] I will tune only w_in,w_long,w_short,y_long,y_short [...]
[agent-1/FACT] [...] applying the cavity artifact revealed agent-3 had just claimed
    the same five-parameter port tuning. [...]
[agent-1/EXEC] kill -TERM 770
[agent-1/EXEC] python binary_refine.py [...]

代理们自行解决重叠，在任一搜索完成之前，无需主代理检测重复并重新规划。

有状态共享上下文支持复用和纠正

由于更新和更正会作为引用修订文件的新条目追加，而不是覆盖旧条目，智能体可以随时重新导入同伴更新后的工作。在 Terminal-Bench 4.0 和 DeepSWE v1.1 上的 720 条智能体轨迹中，智能体共导入共享文件 5,237 次，且 80.3% 的轨迹随后导入了它们已经导入过的文件的修订版本。由于智能体发布简短摘要并通过引用附加文件，任务完成时共享上下文平均不到 15K token。

BibTeX

citation.bib

@misc{mao2026delm,
  title         = {Decentralized Multi-Agent Systems with Shared Context},
  author        = {Yuzhen Mao and Jerry Gu and Aadi Chauhan and
                   Qizheng Zhang and Hangoo Kang and Azalia Mirhoseini},
  year          = {2026},
  eprint        = {2606.10662},
  archivePrefix = {arXiv},
  primaryClass  = {cs.MA},
  url           = {https://arxiv.org/abs/2606.10662}
}