钱忱-大模型驱动的多智能体协同初探

大模型驱动的多智能体协同初探

从大模型走向自主智能体

• 大模型作为智能应用的内核，需要通过自主智能体与动态环境交互才能胜任复杂智能应用，因此发展大模型驱动的自主智能体技术至关重要。
• 人工智能将进入智能体时代，OpenAI已将自主智能体作为核心战略，相关研究呈爆发式增长，我国与国际领先机构处于同一起跑线。
• 人类智能与人工智能的发展路径相似，从小模型走向大模型，从独立实体走向群体协作。
• XAgent框架通过双循环机制协调决策制定和任务执行，实现高级管理和低级执行的分离。

大模型多智能体系统

• 多智能体系统分为社会模拟型（如斯坦福SmallVille小镇）和任务完成型（如清华ChatDev数字团队）。
• 多智能体自主交互通过群体协作提高解决问题的准确率，语言交互缓解信息茧房，实现复杂任务处理。
• 多智能体系统核心研究框架包括任务目标、组织管理、社会组织行为、路由、联盟结构、组织规模等。
• ChatDev通过角色扮演、记忆流、自反思机制实现自上下文感知的主交互，通过交互除幻机制缓解编码幻觉。
• 多智能体协同实现“降本增效”，软件制作平均时间小于7.0分钟，制作成本约0.3美元。
• CTC通过多队伍协作超越单一团队执行的偏差，促进跨团队交互，产出更优质的内容。
• Co-Learning通过跨任务经验迁移，实现智能体共同实践、共同记忆、共同推理，实现群体推理过程的“降本增效”。
• Co-Evolving通过相继式和积累式经验动态编辑，提升任务执行过程的协同效率。
• AgentVerse作为通用多智能体平台，包含“智能体招募”、“协同决策”、“动作执行”与“检验评估”四个阶段。

多智能体协同及演化

• 构建高可拓展的群体协同需要设计通用组织结构、实施合理路由策略、建立有效记忆管理。
• MacNet通过在有向无环图的拓扑上部署智能体，形成多智能体协作网，支持大规模协同和小世界协同现象。
• MacNet的性能大致遵循Sigmoid形趋势，相较神经缩放法则更“早”被观测。

总结与展望

• 进阶智能体的愿景是从独立的实体进化为可协作和可演化的系统，通过集体智慧实现可涌现的效率和结果。
• 大模型智能体发展趋势包括大模型、自主智能体、多智能体协同、多智能体演化。
• 可行方向包括拥抱“数字孪生，万物智联”的未来世界，设备互联、信息高速连接，绘制数字孪生的未来蓝图。