基于大语言模型的多智能体系统：协作机制与应用展望

随着大语言模型（LLMs）的最新进展，代理式人工智能（AgenticAI）在现实应用中取得了显著进展。这些基于大语言模型的多智能体系统（MASs）使得一组智能体能够协作解决复杂任务，并以大规模方式实现集体行动。

引言

动机

大语言模型（LLMs）的最新进展已彻底改变了人工智能（AI），使其能够执行复杂的任务，如创造性写作、推理和决策，堪比人类水平。尽管这些模型在单独使用时展现了显著的能力，但它们仍然存在一些内在的局限性，如幻觉问题、自回归特性和扩展法则。为了应对这些挑战，代理式人工智能（AgenticAI）利用LLM作为大脑或协调者，将它们与外部工具和任务（如规划）结合，使基于LLM的智能体能够采取行动、解决复杂问题，并与外部环境进行交互。

现状与贡献

本工作旨在提供基于LLM的多智能体协作系统中智能体间协作基础的全面视角。以协作为主要焦点，我们的研究将基于LLM的智能体间协作表征为：参与者（涉及的智能体）、类型（如合作、竞争或合作竞争）、结构（如点对点、集中式或分布式）、策略（如基于角色、基于规则或基于模型）和协调层。

背景知识

多智能体系统（MAS）

多智能体系统（MAS）是由多个相互作用的智能体组成的计算机化系统。这些智能体具有自主性，能够感知环境、与其他智能体交互，并通过协作解决复杂的任务。

大语言模型（LLMs）

大语言模型（LLMs）是基于Transformer架构的深度学习模型，如OpenAI的GPT、Meta的LLaMA和Google的Gemini系列。这些模型通过在大规模文本语料库上进行训练，具备了强大的语言理解和生成能力。

协作式人工智能（CollaborativeAI）

协作式人工智能（CollaborativeAI）是指设计用于与其他AI智能体或人类协作的AI系统