MANTA：面向自进化多智能体系统的多智能体网络拓扑自适应

基于大语言模型的多智能体系统通过任务分解、智能体专业化、信息交换与中间验证来改进复杂问题求解。然而，现有系统通常将通信拓扑视为固定的设计选择或离线优化目标。我们提出MANTA，一个多智能体网络拓扑自适应框架，使通信结构能够在推理时自进化。执行前，MANTA依据先前的结构经验初始化任务条件化拓扑。部署期间，它监控协作轨迹，并在当前组织结构变得不足时施加有界的结构更新。这些更新可修改智能体角色、通信链路、执行顺序、信息可见性与验证路径，同时保持任务接口与智能体预算不变。我们在涵盖信息搜寻、工具使用、规划、工作流执行与数学推理的五个基准上，将MANTA与代表性的单智能体和多智能体基线进行比较。MANTA取得74.0的最高平均分，领先最强基线5.8个百分点，并在PlanCraft上获得最佳结果。这些结果表明，推理时自我改进可以扩展到协作架构本身。