研究者提出能力感知的多智能体编排框架

1. 12:00
   arXiv cs.AI

   面向 LLM 多智能体系统的能力感知编排框架

   研究者提出一种两阶段能力感知框架，用于 LLM 多智能体系统（MAS）的自动编排：先建模 LLM 主干模型在当前查询下的任务条件能力，再据此调整角色激活与通信图。该方法在六个基准上平均得分 93.81%；对高能力主干模型，平均准确率从 87.22 提升至 89.97，同时 token 成本降低 36.26%，对低能力主干模型则较现有方法平均再提升 4.58 分。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。