吸收多智能体搜索中的状态相变

非平凡的动力学可以出现在基于大语言模型（LLM）的多智能体系统中，并且初步证据表明统计力学的形式主义可以有效地建模和预测此类行为。与此同时，设计多智能体通信拓扑以实现最佳任务解决是一个活跃的研究问题。在本文中，我们重点关注使用吸收状态相变的形式来预测多智能体搜索任务的成功。我们首先根据组合搜索的经典结果将搜索任务分类为四种类型。然后，我们从理论上推导出一个临界通信度 $d_c$，即每个智能体可以与之通信的最小智能体数量，超过该值，错误的假设不会失控地扩散，并且搜索进入已解决状态。最后，我们评估了基于 LLM 的前沿多智能体系统在现实世界搜索和发现任务、软件配置调试和物理机制发现方面的表现，发现与理论的一致性参差不齐。 LLM Agent可能不会与邻居沟通，并且可以制定对个人有利但限制合作好处的策略。