💬 NLP

Economy of Minds: Emerging Multi-Agent Intelligence with Economic Interactions

受弗里德里希·哈耶克经济理论的启发，本文证明了一个去中心化的多智能体系统——其中智能体通过拍卖进行竞争，并基于财富积累经历经济选择——能够通过自我编排，发展出涌现出的多步推理策略，从而在多种复杂任务中超越更强大的单体基准模型。

原作者： Zhenting Qi, Huangyuan Su, Ao Qu, Chenyu Wang, Yu Yao, Han Zheng, Kushal Chattopadhyay, Guowei Xu, Zihan Wang, Weirui Ye, Vijay Janapa Reddi, Ju Li, Paul Pu Liang, Himabindu Lakkaraju, Sham Kakade, Yi

发布于 2026-06-03

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Zhenting Qi, Huangyuan Su, Ao Qu, Chenyu Wang, Yu Yao, Han Zheng, Kushal Chattopadhyay, Guowei Xu, Zihan Wang, Weirui Ye, Vijay Janapa Reddi, Ju Li, Paul Pu Liang, Himabindu Lakkaraju, Sham Kakade, Yilun Du

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一个繁忙的城市，成千上万个微小且略显笨拙的机器人正试图解决一个宏大而复杂的谜题。就个体而言，每个机器人的能力都非常有限：它们只能看到图像的一小部分，记忆力很短，且只能执行一两个特定的任务。如果你要求其中一个机器人独自解决整个谜题，它注定会失败。

在当今大多数人工智能系统中，我们试图通过构建一个“老板机器人”（中央控制器）来告诉每个人该做什么来解决这个问题。但本文认为，这就像试图用一名交通警察来管理一座拥有数百万人的城市一样——会导致系统过载、缓慢且容易崩溃。

相反，作者提出了一个不同的想法：思维经济学（Economy of Minds, EOM）。他们将这群机器人变成了一个自由市场经济体。

以下是其运作方式，使用了简单的类比：

1. 控制权的拍卖

想象机器人正排成一队，等待着采取解决谜题的下一步行动。它们不能直接抢夺方向盘；它们必须竞标。

每个机器人都有一个特定的“唤醒信号”（例如：“只有当任务涉及数学时我才醒来”或者“只有当我们需要搜索网页时我才醒来”）。
当需要执行某一步骤时，所有收到唤醒信号的机器人都会举起手，并喊出一个出价（一个它们愿意支付的价格，以获得轮到自己行动的机会）。
出价最高的机器人赢得行动权。它负责执行动作，从而推动环境向前推进。

2. 金钱流动（信用分配）

这是神奇之处。系统如何知道哪个机器人真正提供了帮助？

当一个机器人赢得拍卖后，它必须向在前一个动作中行动的机器人支付其出价。
如果最终谜题被成功解决，最后一个机器人会从“环境”那里获得一份奖励（就像从市长那里得到奖金一样）。
这份奖励会沿着机器人的链条向后流动。最后一个机器人付给倒数第二个，倒数第二个付给倒数第三个，以此类推。
结果： 那些做出有助于成功的动作的机器人会变得富有；而那些做出导致死胡同动作的机器人则会陷入不断付钱的困境，并最终走向破产。

3. 进化：适者生存（富者生存）

系统不仅仅运行一次，而是像真人秀节目一样反复运行。

富人存续： 积累了财富（因为它们不断协助解决问题）的机器人可以进行“繁殖”。它们会被复制，但会带有微小的随机指令调整（即变异）。这就是开发（Exploitation）——精炼行之有效的方法。
穷人淘汰： 破产（因为它们一直在做错误的动作）的机器人会被踢出城市。新的、随机的机器人会被引入以取代它们的位置。这就是探索（Exploration）——尝试新事物。
租金： 即便是成功的机器人也必须支付一小笔“租金”才能留在城市里，这确保了只有真正有用的机器人才能长期生存。

4. 结果：自组织智能

论文在五个困难任务上测试了该方法：数学问题、金融研究、科学发现、计算机芯片设计以及云软件优化。

他们从“弱”智能体开始——这些机器人是被刻意限制了能力的（例如，它们只能使用一种工具或只能写极短的答案）。

没有经济系统时： 这些弱小的机器人表现得一败涂地。
有了经济系统后： 市场压力迫使机器人进行进化。那些学会如何通过协作来解决问题的机器人变得富有并大量繁衍；而那些没能做到的则被踢了出去。

随着时间的推移，这群机器人实现了自组织。它们不需要一个“老板”来告诉谁该和谁说话。市场决定了一切。

如果一个机器人擅长检查数学，它就会变得富有并留下来。
如果一个机器人擅长寻找数据但不擅长撰写最终答案，它就会坚守自己的岗位，由另一个机器人接手写作工作。
最终，这群机器人开发出了复杂且高效的工作流，其表现甚至优于试图独自完成一切的单个超级智能机器人。

核心启示

论文声称，你不需要去设计一个拥有严格等级制度的完美 AI 智能体团队。相反，你只需要设定好游戏的规则（即经济规则）。

如果你给智能体一个竞争的理由、一个为错误买单的方式以及一个获得成功的奖励，它们自然会学会如何专业化、如何协作，并解决那些任何单一智能体都无法独立完成的难题。这就像自由市场经济创造复杂产品一样，并不需要一个中央计划者告诉每家工厂生产什么；市场的“看不见的手”完成了组织工作。

简而言之： 论文表明，一群处于竞争性经济系统中的“愚蠢”智能体，可以在没有人指挥的情况下，演变成一种“聪明”的集体智能。

技术摘要：思维经济 (Economy of Minds, EOM)

1. 问题陈述

本文探讨了在不依赖中心化编排的情况下，扩展多智能体智能度的挑战。虽然大型基础模型（LLMs）使单个智能体具备了推理和行动的能力，但它们在本质上仍受限于有限的计算资源、部分可观测性和有限的上下文长度。中心化协调机制（例如，由单一编排者分配角色）存在性能瓶颈、单点故障以及随智能体数量线性增加的协调复杂度问题。

核心问题是：一群本质上受限且去中心化的智能体，如何在没有全局控制或显式通信协议的情况下，通过自我编排和自我适应，从而形成更强大的集体智能？

2. 方法论：思维经济 (EOM)

受弗里德里希·哈耶克（Friedrich Hayek）的去中心化协调理论和埃里克·鲍姆（Eric Baum）的“哈耶克机器”（Hayek Machine）启发，作者提出了思维经济（Economy of Minds, EOM）。该框架将智能体社会建模为通过经济机制而非人工设计的拓扑结构进行交互的过程。

2.1 核心组件

系统由两个耦合过程组成：规划（在回合内进行）和适应（跨回合进行）。

智能体定义： 每个智能体 $a$ 是一个元组 $(\phi_a, \pi_a, b_a, W_a)$ ，其中：
- $\phi_a$ ：触发谓词（唤醒条件），决定其是否有资格行动。
- $\pi_a$ ：行动策略。
- $b_a$ ：固定的出价值。
- $W_a$ ：当前财富。
- 注：智能体共享一个冻结的 LLM 主干，多样性仅源于系统提示词（system prompts）。
规划（拍卖与交易）：
- 拍卖： 在每个步骤 $t$ ，符合条件的智能体（即满足 $\phi_a(o_t)=1$ 的智能体）竞逐行动权。出价 $b_a$ 最高的智能体获胜。
- 行动： 获胜者执行动作，推进环境状态。
- 接力式交易（Bucket-Brigade Transactions）： 为了在没有全局监督的情况下解决信用分配问题，应用了一种支付规则。获胜的智能体将其出价支付给前一个获胜者（如果是第一步则支付给“庄家”），并收集环境奖励 $r_t$ 。
- 机制： 这创造了一种价值的逆向流动。能够实现高效下游结果的智能体会积累财富，因为下游智能体愿意支付高额出价来接管其控制权。
适应（探索与利用）：
- 利用： 拥有高财富（成功的贡献者）的智能体被选为父本。它们的提示词会被变异以创建新智能体，在引入变化的同时保留成功的模式。
- 探索： 财富为负（破产）的智能体会被移除。新智能体会被注入以替换它们，通常是通过修改失败智能体的提示词或进行随机变异。
- 租金： 所有智能体都会被定期收取租金 $\rho$ ，确保不活跃或无生产力的智能体最终会破产。
- 新手规则： 新智能体被分配一个略高于当前最大值的出价，以确保在市场选择其生存之前，至少能获得一次尝试机会。
训练与评估：
- 训练： 系统运行多个回合，智能体进行出价、行动、交换支付并经历种群进化（诞生/死亡/变异）。
- 评估： 种群被冻结。出价、提示词和财富均固定不变。不再发生支付、租金或变异。拍卖机制仅作为选择行动的去中心化决策规则。

3. 核心贡献

通过经济信号实现去中心化协调： 本文证明了简单的经济激励（拍卖、支付、财富积累）足以诱导智能体实现自我编排、专业化和协作，而无需中央控制器或显式的通信协议。
涌现多步推理： 系统从由“部分”智能体（在工具、输出长度或角色方面受限）组成的种群，进化为能够解决单个智能体无法独立完成的复杂多步任务的集体。
理论洞察： 作者提供了理论证明，表明：
- 市场选择驱动出价趋向于最佳可用专家智能体的期望值。
- 如果市场能可靠地选择接近最优的专家，那么仅靠结果奖励（outcome-only rewards）就足以培育强大的种群。
- 当出价趋于校准时，拍卖策略相对于预言机（oracle）协调器具有趋于零的遗憾值（vanishing regret）。
- 接力式支付可以在去中心化设置中恢复结构化的信用分配（类似于 Bellman 更新或 Shapley 值）。
对课程学习和通用智能体的鲁棒性： 系统展示了学习如何从简单任务迁移到困难任务，并且存在一个“通用型”智能体（拥有所有工具访问权）并不会垄断市场；在特定子问题中，拥有精确局部决策规则的专家智能体能够胜过通用型智能体。

4. 实验结果

作者在五项多样化的智能体任务上评估了 EOM，并将其与完整智能体基准（如 ReAct, GEA, OpenEvolve）以及部分智能体基准（如 Multi-Agent Debate）进行了对比。

数学推理 (MATH)：
- 将 Llama-3.1-8B 从 15.9% 提升至 57.0%（超过了 51.9% 的完整智能体基准）。
- 将 Gemma-2-9B 从 4.2% 提升至 45.1%（超过了 44.3% 的基准）。
金融研究 (Finance-Agent-Bench)：
- 将性能从 45.0% 提高到 60.0%，在每个部分智能体仅能访问一种工具的情况下，超越了 Multi-Agent Debate (50.0%) 和 ReAct (45.0%)。
科学研究 (FrontierScience)：
- 实现了 20.0% 的最佳运行准确率，显著优于在相同主干下的 GEA 基准 (5.0%)。
加速器设计 (GEMMINI)：
- 将平均能耗延迟积 (EDP) 降低至 39.3，优于领域特定基准 DOSA (80.2) 和完整的 ReAct 智能体 (43.1)。
- 在没有显式奖励塑造的情况下，发现了可重用的设计模式（例如输出驻留数据流）。
分布式系统优化 (Cloudcast)：
- 实现了 657 的最佳成本，相比 OpenEvolve 基准 (930) 降低了 28%。

消融实验： 移除经济组件（拍卖、探索或利用）会导致性能持续下降，这证实了收益源于经济动力学，而非仅仅是拥有多个智能体。

5. 重要性与主张

本文声称，思维经济 (Economy of Minds) 为大模型时代的智能体系统提供了一种新的范式。与其设计复杂的协调流水线，设计者可以定义去中心化的激励结构，在此结构下，协调、专业化和协作会自然涌现。

自我编排： 系统展示了受限的弱智能体种群如何自我组织成一个强大且具适应性的集体智能。
可扩展性： 通过避免中心化瓶颈，该方法随种群规模扩展，而不会增加协调复杂度。
涌现结构： 系统不仅学习任务特定的答案，还学习可重用的推理例程和交互拓扑，这些内容能适应任务难度和不确定性。
局限性： 作者指出，目前的适应仅发生在提示词空间内且主干模型是冻结的，这限制了系统获取需要参数空间更新的全新技能或表示的能力。

这项工作表明，研究重心正在从“工程化协调”转向“设计激励”，即通过经济本身来塑造集体智能。