Ask on Demand：让并行Agent按实际信息需求请求同伴帮助

并行 LLM 代理通过探索多个轨迹来处理复杂的任务，但有用的发现在各个执行历史中仍然是孤立的。现有的共享方法经常在其他代理的需求变得清晰之前选择或总结信息，可能会忽略后来变得重要的细节。我们提出按需询问（AOD），这是一种沟通框架，使代理能够在出现特定信息需求时寻求有针对性的同伴帮助。在请求获准后，AOD 从同伴Agent执行历史中检索相关证据，选择合适的同伴Agent，并生成根据请求定制的响应。为了确定何时值得提供此类帮助，我们使用配对团队后继执行来训练轻量级门，并根据最终团队结果和推理成本进行监督。 AppWorld 和 WebShop 上的实验表明，AOD 能够持续提高独立并行执行的任务性能，同时实现比现有信息共享基线更低的推理成本。这些发现强调了将Agent间通信与Agent不断变化的信息需求结合起来以实现更有效和高效的协作的好处。