← Neueste Arbeiten
🤖 AI

Swarm Skills: A Portable, Self-Evolving Multi-Agent System Specification for Coordination Engineering

Dieser Beitrag stellt Swarm Skills vor, eine portable Spezifikation und einen Selbstentwicklungsalgorithmus, die Multi-Agenten-Koordinationsprotokolle in verteilbare, eigenständige Vermögenswerte verwandeln und es Agententeams ermöglichen, ihre kollaborativen Strategien über verschiedene Frameworks hinweg ohne menschliche Aufsicht autonom zu verfeinern.

Ursprüngliche Autoren: Xinyu Zhang, Zhicheng Dou, Deyang Li, Jianjun Tao, Shuo Cheng, Ruifeng Shi, Fangchao Liu, Enrui Hu, Yangkai Ding, Hongbo Wang, Qi Ye, Xuefeng Jin, Zhangchun Zhao

Veröffentlicht 2026-05-12
📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

Ursprüngliche Autoren: Xinyu Zhang, Zhicheng Dou, Deyang Li, Jianjun Tao, Shuo Cheng, Ruifeng Shi, Fangchao Liu, Enrui Hu, Yangkai Ding, Hongbo Wang, Qi Ye, Xuefeng Jin, Zhangchun Zhao

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie haben ein Team von Expertenrobotern. In der Vergangenheit mussten Sie, wenn Sie wollten, dass sie zusammenarbeiten, einen spezifischen Satz von Anweisungen für genau diesen Moment schreiben. Sobald die Arbeit erledigt war, wurden diese Anweisungen verworfen. Wenn Sie das nächste Mal einen ähnlichen Job erledigen wollten, mussten Sie von vorne beginnen und alles vergessen, was Sie darüber gelernt hatten, wie sie argumentierten, wer Fehler machte oder wie sie Probleme lösten.

Dieser Artikel stellt eine neue Methode zur Bildung von Roboterteams vor, die als Schwarmfertigkeiten (Swarm Skills) bezeichnet wird. Stellen Sie es sich so vor: Aus einem einmaligen Teambriefing wird ein lebendiges, atmendes Spielbuch, das mit jedem Einsatz schlauer wird.

Hier ist eine Aufschlüsselung der Idee anhand einfacher Analogien:

1. Das Problem: Das „wegwerfbare Team"

Derzeit sind die meisten KI-Teams wie Pop-up-Bands. Sie bilden sich für ein einziges Konzert, spielen ein Lied und lösen sich dann wieder auf. Die Art und Weise, wie sie koordiniert haben – wer den Gesang übernahm, wer Gitarre spielte, wie sie eine zerrissene Saite reparierten – ist in dem spezifischen Computerprogramm eingesperrt, das sie ausgeführt hat. Sie können diese „Band-Dynamik" nicht auf einen anderen Computer übertragen, und die Band erinnert sich nicht daran, wie sie beim nächsten Mal besser spielen soll.

2. Die Lösung: Das „portable Spielbuch" (Schwarmfertigkeiten)

Die Autoren schlagen Schwarmfertigkeiten vor, was sich so anfühlt, als würde man aus dieser Pop-up-Band eine reisende Theatertruppe mit einem dauerhaften Drehbuch machen.

  • Es ist portabel: Das „Drehbuch" (die Regeln, wie das Team funktioniert) wird in einem einfachen Ordner gespeichert (wie eine digitale Datei). Sie können diesen Ordner auf jeden Computer kopieren, der „KI" spricht, und das Team kann dort sofort arbeiten. Es ist nicht nötig, den Code für jede neue Maschine neu zu schreiben.
  • Es ist ein Spielbuch: Anstatt nur zu sagen „Mach das", definiert das Spielbuch:
    • Die Rollen: Wer ist der Koch? Wer ist der Kellner? Wer ist der Manager?
    • Der Arbeitsablauf: Wie geben sie den Teller weiter? Wer prüft die Rechnung?
    • Die Grenzen: Was passiert, wenn ihnen die Zeit oder das Geld ausgeht?

3. Die Magie: Der „selbstverbessernde Trainer" (Selbstentwicklung)

Dies ist der aufregendste Teil. Normalerweise muss, wenn ein Team einen Fehler macht, ein Mensch eingreifen und die Anweisungen korrigieren. Schwarmfertigkeiten verfügen über einen eingebauten Trainer, der beobachtet, wie das Team arbeitet, und das Spielbuch automatisch aktualisiert.

  • Der „Reibungs"-Detektor: Wenn der Koch und der Kellner sich in der Küche ständig in die Quere kommen, bemerkt der Trainer diese „Reibung".
  • Der „Patch": Der Trainer schreibt eine neue Notiz in das Spielbuch: „Beim nächsten Mal sollte der Kellner warten, bis der Koch das Anrichten beendet hat, bevor er die Küche betritt."
  • Die Wertungskarte: Das System verfolgt diese Notizen mit einer Wertungskarte, die drei Statistiken enthält:
    • Wirksamkeit: Hat diese Korrektur tatsächlich geholfen?
    • Nutzung: Nutzen die Roboter diese neue Regel tatsächlich?
    • Aktualität: Ist diese Regel noch relevant oder ist sie veraltet?
  • Die Aufräumaktion: Wenn eine Regel nicht mehr funktioniert oder zu kompliziert wird, löscht oder vereinfacht das System sie automatisch. Es braucht keinen Menschen, der sagt: „Okay, lösche das." Es erledigt es einfach selbst.

4. Ein reales Beispiel: Der Familienurlaubsplaner

Der Artikel testete dies mit einem Team, das eine Familienreise nach Nordostchina plante.

  • Das Team: Sie hatten einen Reisebürokaufmann, einen Hotelbucher, einen Aktivitätsplaner, einen Budgetmanager und einen Social-Media-Autor.
  • Der Konflikt: Der Reisebürokaufmann buchte einen günstigen Flug, der spät in der Nacht ankam. Der Aktivitätsplaner hatte bereits eine Morgentour geplant. Sie stellten fest, dass dies unmöglich war.
  • Die Lösung: Anstatt auf einen Menschen zu warten, der es korrigiert, sprachen die beiden Roboter miteinander, erkannten den Konflikt und vereinbarten, den Flug auf einen morgendlichen umzulegen.
  • Die Evolution: Nach der Reise bemerkte der „Trainer", dass der Budgetmanager zwei sehr unterschiedliche Aufgaben erledigte: Zahlen zu analysieren und unterhaltsame Social-Media-Beiträge zu schreiben. Der Trainer entschied, dass dies verwirrend war. Er teilte das Team automatisch auf, fügte eine neue Rolle „Texter" hinzu und aktualisierte das Spielbuch, damit sie beim nächsten Mal, wenn sie eine Reise planen, einen dedizierten Autor haben.

5. Warum dies wichtig ist

  • Kein „Lock-in": Sie sind nicht an eine bestimmte Softwaremarke gebunden. Da das Spielbuch in einfacher Sprache geschrieben ist (wie ein Rezept), kann jedes KI-System, das lesen kann, es nutzen.
  • Es wird allein besser: Je mehr Sie das Team nutzen, desto besser wird es im Zusammenarbeiten, ohne dass Sie ständig die Regeln neu schreiben müssen.
  • Geteilte Weisheit: Wenn Sie einem Team in New York beibringen, ein Problem zu lösen, können Sie dieses Spielbuch zu einem Team in Tokio kopieren, und sie beginnen mit derselben Weisheit.

Kurz gesagt: Schwarmfertigkeiten verwandeln KI-Zusammenarbeit von einem „einmaligen Ereignis" in einen „wachsenden Vermögenswert", der aus eigenen Fehlern lernt und diese Lehren mit jedem anderen teilt, der sie nutzt.

Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?

Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.

Digest testen →