BANDMAS：因果关系启发的语义数据包调度，用于带宽高效的多代理协作

基于 LLM 的多代理系统通过在专门代理之间交换消息，根据聚合信息做出决策。在代理之间转发每条生成的消息会增加应用层流量。然而，它为代理处理引入了大量的输入词元，可能会增加推理延迟和计算开销。现有方法试图通过修剪代理或丢弃冗余消息来解决上述问题。然而，这种代理级或消息级优化导致支持最终决策的证据不足或仍然包含冗余消息传输。为了应对这些挑战，我们提出了 BANDMAS，这是一种多智能体协作框架，它将智能体间通信建模为面向任务的流量，从而通过因果关系启发的重放评估实现高效传输。具体来说，我们通过分析消息的语义特征（例如证据和请求）将消息分解为多个数据包。仅当这些数据包的预测重播贡献超过其资源成本时，系统才会传输这些数据包。因此，BANDMAS 能够自适应地调度通信数据包，同时遵守带宽、延迟、截止时间和接收器上下文约束。在 SciFact、HotpotQA 和 FanOutQA 上的冻结 Qwen3-4B 流量上，我们的框架在选定的上限下将应用程序层字节数减少了 53.2% 至 77.3%，并在所有三种工作负载的受限方法中获得了最高的平均任务指标。