多智能体LLM难以互相探索

omarsar0 · x · 2026-07-19

这篇论文讨论了 LLM 多智能体之间如何有效“互相探索” 这一问题。作者指出，默认假设——把能力足够强的模型放在一起就会自然形成良好协作——并不成立；现代 LLM 智能体往往会陷入短视、极化的交互模式，导致协调效果不佳、遗憾值上升。

论文把这一现象形式化为 Multi-Agent Exploration 问题：在部分可观测随机博弈中，智能体需要通过与同伴互动来推断彼此能力，并识别更有效的协作策略。为此，作者提出了轻量框架 MACE，通过结构化的同伴选择显式促进探索。结果显示，在上下文多样性和参数多样性设置下，MACE 都能显著改善探索行为，并带来更好的下游任务表现。