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
- dots 更新支持 agent 同时控制 Windows 与 Mac 双机 — dkundel · 2026-11-12
- Granola 推出 Agent Briefs:每晚为 AI agent 打包你的最新上下文 — soleio · 2026-11-12
- 新基准 Continual-ARC:主流 Agent 均无法从经验中学习 — alifcoder · 2026-11-12
- KubeCon 前夕 Azure Day：AKS 单集群 65 节点跑 2.2 万个 Agent — davemccollough · 2026-11-12
- OpenShell 实用技巧:一条命令把沙箱内 Web 应用暴露到浏览器 — gethackteam · 2026-11-12
- 开发者打造「智能操作系统」：模型与智能体直接内建于 Linux 桌面系统 — NerdyRodent · 2026-11-12