论文
SyncPlan：具有显式同步和自适应校正的长视野 LLM 协调
SyncPlan: Long-Horizon LLM Coordination with Explicit Synchronization and Adaptive Correction
摘要
基于 LLM 的多智能体协调面临着动态环境中效率和适应性之间的根本权衡。现有方法通常依赖于重复的 LLM 调用或多轮通信来调整执行期间的决策，从而引入大量延迟并使协调容易受到异步进度和环境变化的影响。相反，一次性规划减少了协调开销，但会产生开环计划，当操作依赖于其他代理和环境时，这些计划可能很快就会过时或失败。我们引入了 SyncPlan，这是一个通过显式同步和自适应校正进行长期协调的计划-执行-正确框架。给定状态和团队级别的任务，集中式 LLM 协调器在单个规划调用中生成每个代理的操作链。在执行过程中，显式等待原语和死锁检测会强制执行代理间和代理环境依赖性，而轻量级计划过时检测器会持续评估剩余计划，并在环境变化使其假设无效时触发重新计划。我们通过 SFT 和面向规划的 RL 以及密集的任务进度和结果级执行反馈进一步优化协调器。在公共 Overcooked 基准测试和复杂的《王者荣耀》环境上进行的实验表明，与现有的基于 LLM 的协调器相比，SyncPlan 实现了最先进的任务成功率，同时使用的挂钟运行时间不到 0.05%。代码和数据集将公开。