4
0Seventy3：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：
From Skills to Talent: OrganisingHeterogeneous Agents asaReal-World Company
Summary
通过模块化技能与工具集成，单个智能体的能力已经取得了突飞猛进的发展，然而多智能体系统（MAS）仍受限于固定的团队结构、紧耦合的协同逻辑以及受限于会话周期的学习方式。我们认为，这反映了一个更深层次的缺失：缺乏一个原则性的组织层（Organisational layer）。该层应当能够解耦于单个智能体所掌握的知识，去管理智能体员工队伍随时间推移如何组装、治理以及改进。
为了填补这一空白，我们引入了 OneManCompany（简称 OMC），这是一个将多智能体系统提升至组织层面的框架。OMC 将技能、工具和运行时配置封装到名为 Talents（人才） 的可移植智能体身份中，并通过类型化的组织接口进行编排，从而对异构后端进行了抽象。一个社区驱动的 Talent Market（人才市场） 实现了按需招聘，使组织能够在执行过程中动态地弥补能力差距并重新配置自身。
组织的决策过程通过“探索-执行-评审”（Explore-Execute-Review，简称 E2R）树搜索来实现操纵。该搜索将规划、执行和评估统一在一个单一的分层循环中：任务被自顶向下分解为可追责的单元，而执行结果则自底向上聚合，以驱动系统性的评审与优化。该循环在镜像人类企业反馈机制的同时，还为终止性（Termination）和无死锁（Deadlock freedom）提供了形式化保证。
综合来看，这些贡献将多智能体系统从静态、预配置的管道，转变为能够适应不同领域开放式任务的自组织且自改进的 AI 组织。在 PRDBench 上的实证评估表明，OMC 实现了 84.67% 的成功率，超越了现有最先进技术（SOTA）15.48 个百分点；跨领域的案例研究进一步证明了其通用性。
原文链接：arxiv.org
