EMS：基于高效多数即停的多智能体投票

多数投票是将多主体响应汇总为最终决策的标准。然而，传统方法通常要求所有智能体在聚合开始之前完成推理，从而导致大量的计算开销，因为一旦达成多数共识，许多响应就会变得多余。在这项工作中，我们将多智能体投票表述为一个可靠性感知的智能体调度问题，并提出了一种高效多数然后停止（EMS）来提高推理效率。 EMS 根据任务感知可靠性对代理进行优先级排序，并在以下三个关键组件获得多数票时终止推理管道。具体来说，我们引入了智能体置信模型（ACM）来使用历史性能和语义相似性来估计智能体的可靠性，自适应增量投票（AIV）来顺序选择提前停止的智能体，以及个体置信度更新（ICU）来动态更新每个贡献智能体的可靠性。对六个基准的广泛评估表明，EMS 持续将调用代理的平均数量减少了 32%。