研究人员推出了一种新颖的去中心化架构PANDA，旨在增强由大型语言模型驱动的大规模多智能体系统（MAS）的可扩展性和容错能力。PANDA通过使智能体能够发现能力、自我组织成专业团队以及高效管理通信，解决了现有MAS的局限性。该架构支持灵活的编排策略和动态重新规划以从故障中恢复，确保任务完成。在HotPotQA基准上的评估表明，PANDA可扩展到数千个智能体，实现高效率，并在故障条件下保持性能。 AI
影响 增强了基于LLM的多智能体系统的可扩展性和容错能力，有望实现更复杂、更强大的AI应用。
排序理由 该集群包含一篇详细介绍多智能体系统新架构的研究论文。
在 arXiv cs.MA (Multiagent) 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2609.38482v1 Announce Type: cross Abstract: Existing architectures for LLM-based multi-agent systems (MAS) cannot reliably and efficiently solve multi-step tasks at scale: they struggle to support large numbers of agents and concurrent tasks, tolerate failures, govern agent…
Existing architectures for LLM-based multi-agent systems (MAS) cannot reliably and efficiently solve multi-step tasks at scale: they struggle to support large numbers of agents and concurrent tasks, tolerate failures, govern agent interactions, and accommodate the diverse plannin…