Exploring Advanced LLM Multi-Agent Systems Based on Blackboard Architecture

文章主要内容总结

本文提出了一种基于黑板架构（blackboard architecture）的LLM多智能体系统（bMAS），并实现了首个实例LbMAS。该系统旨在通过黑板架构解决现有LLM多智能体系统（MASs）中协作机制固定或需耗时训练的局限，核心包括三个组件：

1. 黑板（Blackboard）：分为公共空间（存储所有智能体可见的对话和知识）和私有空间（支持特定智能体辩论或反思），作为智能体共享信息的核心载体；
2. 智能体群（Agent Group）：包含预定义角色（如规划者、决策者、批评者等）和任务相关生成的专家智能体，基于不同LLM随机初始化；
3. 控制单元（Control Unit）：根据当前黑板内容动态选择智能体参与下一轮问题解决，迭代至达成共识。

实验在6个基准数据集（涵盖知识、推理、数学任务）上进行，结果显示LbMAS在平均性能上优于现有静态和动态多智能体系统，且消耗更少token，验证了其在复杂、动态问题解决中的有效性。

创新点

1. 引入黑板架构：将传统黑板架构与LLM多智能体系统结合，实现智能体间通过共享黑板动态协作，无需预定义固定协作机制；
2. 动态适应性：控制单元根据黑板内容实时选择智能体，避免了动态多智能体系统中耗时的训练步骤，提升了通用性；
3. 高效性：通过黑板共享信息和智能体动态选择，减少不必要