DeAR：基于能力落地与协作思维导航的去中心化Agentic推理

摘要

现有的智能体推理系统通常依赖中心化协议。这种设计带来了路由瓶颈和静态角色分配，在处理复杂多模态查询时经常失效。我们提出DeAR（Decentralized Agentic Reasoning），一个从中心控制转向自主点对点协作的框架。DeAR建立在三个机制之上：（1）去中心化能力落地，实现依赖查询的智能体专长分工；（2）思维地图导航，实现有针对性的同伴交互；（3）拓扑更新，实现自适应纠错。在9个多样的多模态推理与文本问答基准上的评估表明，DeAR持续优于近期基线方法，验证了智能体之间去中心化且自适应的协作能提升知识密集型推理任务的准确率。源代码将发布于 https://open_upon_acceptance。

DeAR：基于能力落地与协作思维导航的去中心化Agentic推理：论文配图 — 图1：在多模态查询（“图中有多少人出生在第二次世界大战之后？”）上的框架比较。(a) 单智能体因知识域受限而失败。(b) 集中式框架因裁判瓶颈传播错误输入而失败。(c) DeAR（本文方法）通过能力落地并导航自适应思维图，协同验证事实并得出正确答案。