基于LLM的多Agent规划的可靠性极限

本技术说明研究了基于 LLM 的多智能体规划作为委托决策问题的可靠性限制。我们将基于 LLM 的多智能体架构建模为有限非循环决策网络，其中多个阶段处理共享的模型上下文信息，通过容量有限的语言接口进行通信，并可能调用人工审查。我们表明，在没有新的外源信号的情况下，任何委托网络在决策理论上都是由能够访问相同信息的中心化贝叶斯决策者主导的。在共同证据制度中，这意味着在有限通信预算下对多智能体有向无环图进行优化可以被重新定义为在共享信号上选择预算受限的随机实验。我们还描述了通信和信息压缩引起的损失。在适当的评分规则下，集中贝叶斯值与通信后的值之间的差距允许预期后验散度表示，这可减少为对数损失下的条件互信息和布赖尔分数下的预期平方后验误差。这些结果表征了委托 LLM 规划的基本可靠性限制。在受控问题集上使用 LLM 进行的实验进一步证明了这些特征。