SYMPHONY：异构语言模型组装的协同多智能体规划

近期进展日益聚焦利用大语言模型（LLM）构建自主智能体以完成复杂问题求解任务。然而，现有方法主要采用单智能体框架在蒙特卡洛树搜索（MCTS）规划中生成搜索分支与估计奖励。这一单智能体范式天然限制探索能力，常导致生成分支多样性不足与次优规划性能。为克服这些局限，我们提出SYMPHONY，一个整合异构语言模型智能体池的新型多智能体规划框架。通过利用跨智能体的多样推理模式，SYMPHONY增强回放多样性并促成更有效的探索。跨多个基准任务的实证结果表明，即使以消费级硬件可部署的开源LLM实例化，SYMPHONY也取得强劲性能。当辅以经API访问的云端LLM时，SYMPHONY进一步提升，超越现有最先进基线，凸显异构多智能体协调在规划任务中的有效性。