用于生成可执行多Agent系统规范的LLM

MAS 规范表达了Agent及其环境的行为的影响，以及其他时间现象，例如Agent可以执行操作的时间间隔。 MAS 的规范也应该是可执行的，以便允许运行时监控。构建 MAS 规范需要正式的语言专业知识，而机器学习技术则依赖于很少可用的标记数据。为了解决这些问题，我们提出了“genRTEC”，这是一种利用预先训练的大语言模型（LLM）从自然语言描述中以“运行时事件演算”（RTEC）语言生成可执行 MAS 规范的方法。 genRTEC 仅基于所涉及概念的简短自然语言描述来构建具有复杂层次和循环依赖关系的 MAS 规范。我们对 genRTEC 进行了广泛的实证评估，涵盖各种 MAS 规范，包括定性和定量评估。我们的结果表明，genRTEC 在不影响推理效率的情况下构建了具有高预测精度的可执行 MAS 规范。