通过前景状态传播扩展多代理系统

当前基于 LLM 的多代理系统 (MAS) 定期压缩中间状态以减少推理时间词元消耗，从而尝试合并更多代理。然而，幼稚的扩展策略面临着挑战。例如，在经济模拟中，大规模 MAS 通常会丢弃语义丰富的经济状态，即代理人行为轨迹，这是宏观经济波动的关键驱动因素。在本文中，我们揭示了模拟过程中智能体异质性逐渐减小的现象，并提出了多智能体系统的前景状态传播（PspMAS）。受前景理论的启发，PspMAS 将每个智能体的微观状态解耦为紧凑的前景状态和富有表现力的语义状态。前者通过轻量级、可并行的传播器记录心理痕迹，并不断向系统注入异构性。后者利用了LLM强大的感知、推理、计划和决策能力。这两个组件互补工作，提供基于 LLM 的可扩展多代理模拟解决方案。