DeOrch：解耦多 Agent 规划与执行者匹配

学习编排可以自动构建有效的语言模型多智能体系统，但现有方法将规划与固定工作人员池结合起来，并从相同的终端结果中训练分解和协作，从而限制了转移并模糊了学分分配。我们引入了 DeOrch，它将与工人无关的规划与具体的工人选择分开。其两阶段规划器首先在没有工人信息的情况下分解任务，然后使用来自池的紧凑的、与工人身份无关的可匹配性反馈来选择协作操作，从而实现分解和协作决策的条件信用分配。轻量级匹配器根据固定 探针 集合上的行为来估计工人的适合性，并通过上下文强盗进行在线调整，从而允许新工人加入而无需重新培训规划器或匹配器。在不同的分布内和分布外任务中，DeOrch 的性能优于先前的自动 MAS 编排方法，与竞争的学习编排器相比，工作器调用更少，在转移到完全不可见的工作器池而无需重新训练时仍然有效，并且从两个组件中显示出一致的收益。