HELENA：MAS 互补拓扑联盟上的层次稀疏协调

基于 LLM 的多智能体系统 (MAS) 通常会优化单个拓扑，将推理限制在狭窄的轨迹内，并限制综合分析能力。简单地将多个拓扑合并到复合图中会在不相关的连接上引入冗余噪声传播，从而降低解决方案的质量。为了解决这个困境，我们提出了 \textbf{MAS 互补拓扑联盟上的分层稀疏协调（HELENA）}，这是一个多代理框架，可以平衡不同的推理路径与稀疏任务相关的执行。 \helena{} 根据通过蒙特卡罗树搜索和行列式点过程选择的互补候选拓扑构造联合 MAS 图，拓宽了复杂问题综合分析的推理轨迹。然后，分层稀疏协调模块在每一步仅激活稀疏子图，同时代理交换压缩的潜在简报以抑制冗余噪声传播。最后，局部自我完善阶段识别具有差异证据的决策单元，并仅当对比证据同时确认可靠的解决方案方失败和挑战方改进时才重写它们。八个基准测试的实验表明，\helena{} 在所有基准测试中均取得了最先进的结果，与最强基准相比，平均增益为 \pctup{3.47}，在 MMLU-Pro 上的平均增益高达 \pctup{10.34}，以合理的额外成本在较难的基准测试上实现了更大的改进。