DyTopo：基于语义匹配的多智能体推理动态拓扑路由

摘要

由提示式大语言模型构建的多智能体系统可以改进多轮推理，但大多数现有流水线依赖固定的、贯穿全程的通信模式，与迭代问题求解随阶段而变的需求不匹配。我们提出 DyTopo，一个由管理者引导的多智能体框架，它在每一轮重构一个稀疏有向通信图。每个智能体以管理者该轮目标为条件，输出轻量的自然语言查询（需求）与提供（offer）描述符；DyTopo 对这些描述符做嵌入并进行语义匹配，仅沿由此产生的边路由私有消息。在代码生成与数学推理基准以及四个 LLM 骨干上，DyTopo 持续优于最强基线（平均 +6.2）。除准确率外，DyTopo 还通过不断演化的图生成可解释的协作轨迹，支持对通信路径如何在各轮之间重新配置进行定性检视。

DyTopo：基于语义匹配的多智能体推理动态拓扑路由 — 图4：DyTopo在各轮次间重新布线通信。对于一个代码生成实例，我们展示了三个代表性轮次（目标、诱导出的有向图 G ( t ) G^{(t)} 以及执行顺序）。拓扑从宽泛的探索性路由（第1轮）过渡到以验证为中心的连接（第2轮），最后过渡到用于生成格式化最终答案的稀疏、依赖最小化的图（第3轮）。