CollabFlow：Agent协作的递归自我改进

递归自我改进（RSI）让系统根据其自身的结果进行改进；在基于 LLM 的多智能体系统中，智能体在一项任务中相互完善，结果改善了他们跨任务协作的方式。然而，现有的多智能体协作使这个循环保持开放：协作是在操作员级别预先定义的，仅拓扑学习保持逐字交换，从而传播错误，并且系统自身结果的奖励最大化集中在少数团队身上。为了应对这些挑战，我们提出了 CollabFlow，一种学习智能体协作的 RSI 系统：可训练的协作主管构建完整的智能体团队，冻结的执行器运行它们，每轮的结果重新训练主管。在每一轮中，协作图的边缘都承载有证据条件的通信协议：只有当发送者的证据比发送者的证据强得多时，接收者才会采用不同的答案，因此导演知道谁进行通信以及如何通信。在各轮中，我们进一步提出了协作轨迹平衡（CTB），这是一个基于流程的目标，它在每个团队完成其施工订单后将其记入一次，并以按比例分配奖励为目标，以便几个优秀的团队留在比赛中。我们还限制了这个自行生成的目标在轮次之间移动的距离，随着记录的积累而缩小。在 12 个数据集上，CollabFlow 优于所有基线，并且在各轮中不断改进。代码可在 https://anonymous.4open.science/r/CollabFlow-631E. 获取