团队进化：基于 LLM 的多智能体系统的协作自我进化

基于 LLM 的多智能体系统 (MAS) 已成为复杂和长期任务的有效范例。然而，在现实任务中，MAS在执行过程中经常会出现各种故障，并且这些故障在设计过程中很难消除。这激发了经验驱动的 MAS 进化，系统根据自己的执行经验进行改进。然而，这种演变具有挑战性，因为 MAS 的经验是长期且复杂的，多个代理的执行链和通信消息交织在一起，这使得很难确定应该改进的内容。为了应对这一挑战，我们提出了 Meta-Team，一种基于协作自我进化的经验驱动的 MAS 进化框架。 Meta-Team 保留每个代理的执行上下文并协调任务后通信，使代理能够交换分布式证据以实现进化。在此设计的基础上，Meta-Team 进行多尺度的自我进化，将执行经验转化为对代理行为、代理间协调和团队级组织的可重用改进。在六个长期代理基准测试中，Meta-Team 始终优于单代理系统、手工制作的 MAS 和先前的 MAS 进化方法；进一步的分析表明，Meta-Team 能够实现更可靠和可扩展的 MAS 自我进化。