LLM 黑板架构解决多智能体规模瓶颈,三大基准大幅超越主从式
mrdrozdov · x · 2026-09-22
Alireza Salemi 等人（Google 与 UMass，arXiv:2510.01285 v2）提出受传统 AI 黑板架构启发的 LLM 多智能体范式，解决大规模数据湖中发现数据的问题。
- 问题：单/多智能体面对大型异构文件迅速过载；主从式架构依赖僵化的中央控制器，要求主 agent 精确了解每个子 agent 的能力——在大规模下不可行。
- 方法：中央 agent 把请求发布到共享黑板，自主子 agent（分别负责数据湖分区或网络检索）根据自身能力自愿认领响应，无需中央协调者掌握各 agent 专长。
- 结果：在 KramaBench 及改造版 DSBench、DA-Code 三个数据发现基准上，黑板架构显著优于强基线，扩展性与灵活性大幅提升。
「编程与Agent」频道最新
- OpenAI Codex 负责人预告：周二将有重大 reset — alexcovo_eth · 2026-09-22
- 救灾组织用 OpenClaw 搭多智能体系统，打通 8 大通讯渠道 — heyneighbor · 2026-09-22
- 开发者造 agent 上下文垃圾回收器 jev-gc,实时决定提示词留什么 — Maleficent_College57 · 2026-09-22
- 开发者吐槽 openclaw 权限管理混乱，怀疑配置就是个噩梦 — brianmichel · 2026-09-22
- 开发者扒出 Codex 代码藏 Aeon 痕迹,OpenAI 持久化智能体疑将发布 — ChrisGPT · 2026-09-22
- 工程师用 Agent 集群 20 小时自主训出对标 Jev 的模型,总花费仅 3100 美元 — denisyarats · 2026-09-22