技术摘要：Symphony-Coord

问题陈述

多智能体大语言模型（LLM）系统旨在通过分解工作和协调专业化行为来解决复杂的、多步骤的任务。然而，现有的协调机制通常依赖于静态分配的角色和中心化控制器。随着智能体池的增长和任务分布的演变，这些设计选择引入了显著的局限性：

1. 路由效率低下： 静态角色标签通常过于笼统，无法区分特定模型能力的细微差异，导致智能体选择并非最优。
2. 适应性差： 在设计阶段建立的固定“任务-角色”映射，在任务分布发生偏移时，难以切换到更合适的智能体。
3. 故障恢复脆弱： 当高能力的智能体性能下降或变得不可用时，静态分配缺乏快速替换机制，导致性能持续下滑。

虽然一些框架尝试通过基于提示词的“角色扮演”（例如 CAMEL）来软化角色的僵化性，但这些方法往往缺乏一种原则性的决策机制，无法从经验中学习在当前上下文和系统状态下，哪个智能体最适合特定的子任务。

方法论：Symphony-Coord

作者提出了 Symphony-Coord，一个具有去中心化执行能力的任务局部协调框架。它将智能体选择重新定义为一个在线上下文老虎机问题（online contextual bandit problem），而非静态的匹配问题。该系统将每个智能体视为一个“臂”（arm），并根据可观测的上下文来选择执行器，通过反馈来更新路由策略。

该框架采用了两阶段动态信标（Beacon）路由协议：

第一阶段：轻量级候选筛选

为了管理通信和计算开销，系统不会为每个子任务查询整个智能体池。相反，它为每个可用智能体 $j$ 计算一个轻量级的综合评分 ($s_{j,t}$)，其中包括：

• 匹配得分（Match Score）： 智能体的能力文本与子任务需求之间的余弦相似度（或词法回退）。
• 先验成功率（Prior Success）： 对历史成功率的平滑估计。
• 可靠性（Reliability）： 短期运行稳定性（例如，近期的延迟、错误状态、可用性）。

系统选择 Top-L 个智能体组成候选集 $C_t$，从而显著缩小决策空间。

第二阶段：自适应 LinUCB 选择

在缩减后的候选集 $C_t$ 中，Symphony-Coord 应用了一个 LinUCB 式的在线选择器。对于每个候选者，系统构建一个上下文向量 $x_{j,t}$，融合了：

• 任务需求特征。
• 智能体的静态能力表示。
• 动态运行时信号（负载、延迟、声誉、可用性）。

选择器通过最大化上置信界（Upper Confidence Bound, UCB）得分来进行决策：
$$UCB_{j,t} = x_{j,t}^\top \hat{\theta}_{t-1} + \beta_{t-1} \sqrt{x_{j,t}^\top A_{t-1}^{-1} x_{j,t}}$$
这平衡了利用（选择估计回报较高的智能体）与探索（测试不确定的候选者以降低不确定性）。

反馈与更新机制

系统利用延迟执行后反馈循环。奖励值的塑造基于：

1. 基础有效性（非错误完成）。
2. 如果执行结果与投票产生的最终输出一致，则给予“获胜奖金”（基于一致性的代理指标）。
3. 可选的正误项（当存在标准答案/金标准标签时）。
4. 效率惩罚（延迟）。

对 LinUCB 统计量（$A_t, b_t, \hat{\theta}_t$）的更新发生在任务级投票解决之后。这引入了一种“延迟更新”效应，即参数更新存在轻微延迟，但路由决策本身仅依赖于当前的上下文和状态。

核心贡献

1. 问题形式化： 将子任务–智能体路由形式化为一个在线上下文老虎机问题，将任务需求和智能体状态整合进上下文特征中。
2. 两阶段动态信标路由： 提出了一种实用的流水线，结合了 Top-L 候选过滤（以控制开销）与基于 LinUCB 的自适应选择（以处理非平稳性）。
3. 在线学习闭环： 设计了一个反馈-更新机制，实现端到端的持续路由决策改进，符合序列决策视角。
4. 理论范围： 证明了在标准候选条件线性老虎机假设下，选择器具有高概率的次线性遗憾界（sublinear regret bound）。该分析明确分离了 Top-L 过滤与延迟投票反馈的影响。
5. 实证验证： 通过模拟、真实世界 LLM 基准测试（GSM8K, BBH, MedicalQA）以及广泛的消融实验验证了该框架。

实验结果

• 性能提升： Symphony-Coord 一致优于单智能体基准（在 GSM8K 上提升 8.5–22.0%，在 BBH 上提升 16.5–23.5%，在 MedicalQA 上提升 27.0–33.0%），并且在各种底层模型下均取得了优于多智能体基准（MetaGPT, AFLOW, GPTSwarm）的最佳平均准确率。
• 异质性： 系统从异质智能体池中获益显著。在 MedicalQA 实验中，拥有 5 个智能体的团队中，技能异质性带来了最高的准确率，这表明能力专业化是互补性的关键来源。
• 可扩展性： 当智能体池从 $N=5$ 增加到 $N=100$ 时，该框架仍能保持稳定性。不同于会因智能体池增大而导致性能下降和延迟增加的中心化基准（如 AutoGen, MetaGPT），Symphony-Coord 通过将在线选择限制在固定的 Top-L=3 短名单内，将路由开销控制在 100ms 以下。
• 成本效率： Symphony-Coord 实现了良好的帕累托前沿（Pareto frontier），在适度预算下提供比单智能体更高的准确率，且在 Token 消耗和延迟方面与多智能体基准相当甚至更优。
• 鲁棒性： 在涉及智能体性能下降的半真实恢复实验中，Symphony-Coord 成功地将任务重新分配给健康的智能体，而静态和冻结 UCB 变体则未能实现恢复。

意义与主张

论文声称，Symphony-Coord 证明了大规模多智能体 LLM 协调不需要依赖静态角色分配。 相反，有效的协调可以通过由运行时上下文和反馈驱动的自适应路由来实现。

与前人工作的关键区别在于：

• 涌现专业化： 系统并非手动分配规划者/求解者/检查者的身份，而是通过适应任务特征和反馈，使路由专业化逐渐涌现。
• 任务局部协调： 系统采用去中心化执行模型，其中工作者是独立的，但一个轻量级且受限的路由平面负责管理每个任务实例的候选选择和反馈更新。
• 实际集成： 其创新之处不在于一种新的老虎机算法，而在于将能力感知过滤、上下文选择和反馈驱动的路由专业化，专门集成到异质 LLM 智能体池中。

作者指出，该框架旨在应对任务分布偏移和智能体失效时的鲁棒性问题，解决了 LLM 多智能体系统中关于通信开销、协调复杂度和鲁棒性的开放挑战。未来的工作建议将该框架扩展到更大的开放智能体池、更丰富的工具使用工作流以及更长周期的任务流。