多智能体通信中的推理与验证信息影响协作可靠性

摘要

大语言模型 (LLM) 启用了协作多智能体 (MA) 系统，其中交互智能体通过多样化推理和迭代细化提高性能。然而，这些系统仍然容易受到错误传播的影响，其中早期信息会降低下游推理能力。为了解决这个问题，我们对智能体间通信进行了系统分析，以确定哪些信息驱动 MA 性能。我们发现，智能体间通信中缺乏推理和验证会显着降低性能。基于这些见解，我们提出了类别感知恢复增强（技术），该技术强制通信过程中关键信息的存在。失败案例的挽回率高达86.2%。我们的结果凸显了信息质量在有效的 MA 协作中的关键作用。我们的代码可在 https://anonymous.4open.science/r/cara_mas 获取