通过量化角色清晰度提升多智能体协作中的角色一致性

在大语言模型（LLM）驱动的多智能体系统中，违背角色规范（未能遵守所分配角色的既定职责与约束，可能导致一个智能体表现得像另一个智能体）是一种主要失败模式。为解决该问题，本文提出量化的角色清晰度（role clarity）以提升角色一致性。首先，我们构建角色分配矩阵 $S(φ)=[s_{ij}(φ)]$，其中 $s_{ij}(φ)$ 是第 $i$ 个智能体的行为轨迹与第 $j$ 个智能体的角色描述之间的语义相似度。然后将角色清晰度矩阵 $M(φ)$ 定义为 $softmax(S(φ))-I$，其中 $softmax(S(φ))$ 是 $S(φ)$ 的按行softmax，$I$ 为单位矩阵。$M(φ)$ 的Frobenius范数量化智能体角色描述与其行为轨迹之间的对齐程度。此外，我们在轻量级微调中将角色清晰度矩阵用作正则项，以提升角色一致性，从而改善端到端任务性能。在ChatDev多智能体系统上的实验表明，我们的方法大幅改善了角色一致性与任务性能：使用Qwen和Llama时，角色越界率分别从46.4%降至8.4%和从43.4%降至0.2%，角色清晰度得分分别从0.5328升至0.9097和从0.5007升至0.8530，任务成功率分别从0.6769升至0.6909和从0.6174升至0.6763。