符号指导如何调节LLM多Agent的协作自主性

大语言模型越来越多地作为多Agent系统中的自主Agent部署，但其可靠执行分布式协调协议的能力仍缺乏理解。AgentsNet这一LLM Agent分布式协调基准框架能够支持协调，但给予完全推理自主性，往往会在复杂领域中造成不一致或表现退化。我们假设，可以利用成熟算法导出的符号指导来调节Agent自主性，从而改善协调。为研究这一点，我们提出符号指导分类体系（SGT），将自主性描述为从开放自然语言推理到完全规定算法执行的连续谱，中间层级提供部分伪代码指导。结果显示，中等自主性水平持续优于无指导Agent和完全规定的指令。这些发现将自主性调节确立为基于LLM的分布式协调的一项关键设计原则。