【第590期】内源性悖论：LLM智能体系统的自组织协调机制

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。

如果你想要解读自己的论文，获得更多曝光度。请联系小助手微信：seventy3_podcast 加群。
合作邮箱：zhiwudazhanjiangshi#gmail.com

今天的主题是：

Drop the Hierarchy and Roles: How Self-Organizing LLM Agents Outperform Designed Structures

Summary

多智能体 LLM 系统能维持多高程度的自主性？其背后的驱动力又是什么？

我们进行了一项包含 25,000 个任务的大规模计算实验，涵盖了 8 个模型、4 到 256 个智能体，以及从“外部强加等级制”到“涌现自组织”的 8 种协调协议。

核心发现：自发的秩序

实验观察到，当前的 LLM 智能体已经展现出了显著的自主行为：

• 角色自创：在没有任何预设角色或外部设计的情况下，智能体仅凭最基础的结构支持（如固定的执行顺序），就能自发地发明专业角色。

• 主动退让：它们会自愿放弃自己不擅长的任务。

• 自发层级：智能体之间会形成浅层等级制度以优化协作。

性能与扩展性

1. 协议优势：允许这种自主性的混合协议（顺序执行）在性能上比中心化协调高出 14%。不同协议之间的质量差距高达 44%。

2. 能力门槛：涌现自主性的程度与模型能力成正比。强大的模型能够高效地进行自组织，而能力低于阈值的模型仍需依赖刚性的结构。

3. 规模效应：系统可以亚线性地扩展至 256 个智能体而不会出现质量下降。令人惊讶的是，仅从 8 个智能体出发，系统就演化出了 5,006 个独特角色。

开源与成本

该研究结果在闭源和开源模型中均得到了验证。其中，开源模型能以低 24 倍的成本，达到闭源模型 95% 的质量水平。

实践启示： 给智能体一个使命（Mission）、一套协议（Protocol）以及一个足够强大的模型，但千万不要给它们预设一个固定的角色（Role）。 让智能体在任务中“寻找自我”，往往能获得更优的协作效率。

原文链接：arxiv.org