TacoMAS: 演化博弈论视角下的多智能体能力与结构双循环共演化
内容介绍：
多智能体系统（MAS）为解决复杂任务提供了强大范式。MAS通过多个专职智能体的协作分工，处理软件工程、金融分析、长程规划等单一模型难以胜任的问题。然而，现有方法普遍存在一个核心局限：无论是训练前预设固定拓扑，还是推理前离线搜索最优结构，系统一旦部署便“冻结”，无法根据任务执行过程中涌现的新信息动态调整。
近年兴起的 Test-time 进化方法虽然允许推理阶段的在线更新，但已有工作难以绕开割裂处理的局限：只调整智能体间的通信拓扑，或只更新单个智能体的能力。然而现实中，拓扑决定信息流向，能力决定信息处理质量，两者深度耦合；单独优化任意一侧均无法释放多智能体协作的完整潜力。
为解决这一问题，来自 CMU，中科大，NUS，和上海 AI Lab 的联合研究团队提出 TacoMAS，一个在推理阶段同步进化拓扑结构与智能体能力的协同框架，并从进化博弈论视角给出严格的理论保证。其演化框架核心设计为快慢双循环：
能力演化快循环：每轮执行后，系统对每个智能体的贡献打分，并生成针对性反馈写回其记忆。高贡献行为被强化，低效行为被抑制。
结构演化慢循环：每隔若干轮，系统对团队结构进行调整。引入新角色、移除低效智能体、增删通信边，且每次变动幅度受编辑预算约束，防止剧烈重组破坏快循环已积累的收益。
嘉宾：
林欣余，新加坡国立大学 NExT++ 的博士生，研究兴趣包括大模型智能体和大模型个性化与推荐。曾获多项荣誉与奖项，包括谷歌博士奖学金（2025）、SIGKDD Singapore Symposium 最佳演示奖（2024）、国家奖学金（2020）。其相关研究成果发表在 ICLR、NeurIPS、SIGIR、WWW、KDD 等顶级会议以及 TOIS 等权威期刊。个人主页：https://linxyhaha.github.io/。
主持人：
杨峻骁，清华大学博士生，研究兴趣包括可信大模型和智能体系统，以第一作者在 ICLR、ACL 等会议发表多篇论文，以核心贡献者参与的开源项目获 github 9k+ star。个人主页：https://yangjunx21.github.io/。
顶部