对话的几何：绘制语言模型以揭示多智能体协作的协同团队

于红博

摘要: 基于大型语言模型（LLMs）的多代理方法代表了一种有望超越单一模型能力的策略，其成功在于协同团队组成。然而，形成最佳团队是一个重大挑战，因为大多数模型的内在不透明性遮蔽了有效协作所必需的内部特征。本文提出了一个基于互动的自动团队组成框架，不需要任何先验知识，包括它们的内部架构、训练数据或任务表现。我们的方法构建了一个“语言模型图”，通过成对对话的语义连贯性映射模型之间的关系，然后应用社区检测来识别协同模型集群。我们对各种LLMs进行的实验证明，所提出的方法发现了反映它们潜在专业化的功能一致的群组。以特定主题为引导的对话识别出协同团队，这些团队在下游基准测试中表现优于随机基线，并且达到了基于已知模型专业化的手动策划团队相当的准确性。我们的发现为自动设计协作的多代理LLM团队提供了新的基础。

更新时间: 2025-10-30 11:04:15

领域: cs.CL,cs.AI,cs.MA

下载: http://arxiv.org/abs/2510.26352v1