SkillMAS：与基于 LLM 的多智能体系统的技能协同进化

人们越来越期望大语言模型（LLM）代理系统在部署后能够得到改进，但现有的工作往往将两个适应目标解耦：技能进化和多代理系统（MAS）重组。这种分离可能会造成组织瓶颈、环境压力和错误专业化。我们提出了 SkillMAS，这是一种用于多智能体系统中自适应专业化的非参数框架，它将技能进化与 MAS 重组结合起来。 SkillMAS 使用效用学习从已验证的执行跟踪中分配信用，使用有界技能进化来细化可重用程序，而无需未经过滤的库增长，并在保留故障和执行器效用表明结构不匹配时进行证据门控的 MAS 重组。在具体操作、命令行执行和零售工作流程方面，SkillMAS 在所报告的工具下具有竞争力，同时阐明了部署后专业化的归属、更新和应用方式。