Decoupled Intelligence

多智能体LLM框架提升交通模拟准确性

研究人员开发了一种新的多智能体框架，用于在SUMO中生成交通模拟，解决了单一智能体架构的局限性。该框架将模拟过程解耦为规划者、构建者和分析师等专业角色，由中央推理引擎协调。它利用具有模型上下文协议（MCP）的状态持久化协调器来管理数据流并确保一致性，从而实现用于优化关键绩效指标（KPI）的闭环优化过程。实验表明，与单一智能体系统相比，这种多智能体方法提高了任务成功率和参数准确性。