2025_NIPS_AgentNet: Decentralized Evolutionary Coordination for LLM-based Multi-Agent Systems

AgentNet 论文核心总结与翻译

一、主要内容总结

1. 研究背景与问题

现有基于大语言模型（LLM）的多智能体系统（MAS）普遍依赖集中式协调机制，存在三大核心缺陷：

• 扩展性瓶颈：集中式控制器限制系统规模扩展；
• 适应性不足：静态角色分配和固定工作流无法应对任务动态变化与智能体性能波动；
• 隐私与协作障碍：跨组织协作时，集中式架构导致专有知识和敏感数据难以安全共享，形成"知识孤岛"；
• 单点故障风险：核心控制器故障会导致整个系统瘫痪。

2. 核心框架：AgentNet

提出一种基于检索增强生成（RAG）的去中心化多智能体框架，通过有向无环图（DAG）实现智能体的自主专业化、进化与协作。核心设计包括：

• 智能体结构：每个智能体包含路由器（任务分配）、执行器（任务处理）双模块，且均配备专属记忆模块；
• 运行流程：初始化时智能体全连接，通过任务-能力匹配分配初始任务，基于动态拓扑结构路由任务，利用RAG机制持续学习优化。

3. 实验结果

在MATH（数学问题）、BBH（逻辑问答）