摘要
多智能体框架基于大语言模型（LLMs），常常将三个逻辑上独立的关注点交织在一起：团队成员（组织）、成员之间的对齐方式（协调）以及融合他们工作的算法（协作协议）。
IMACS（智能多智能体协作系统）将这三者分离为正交、独立可替换的层。经典的组织理论（Belbin角色、Mintzberg协调、RACI问责）变成可执行的、经过验证的配置，同时该框架将六种已发布的协作算法放在一个公共接口后，暴露角色、协调和问责作为独立可配置的因素。
我们利用这种分离进行控制比较，在其中组织分配不同而协作协议保持固定。此外，它还将协议选择转变为可以学习的变量：自适应组织路由（Adaptive Org Routing），一种上下文-赌博机元协议，根据明确的质量-成本权衡选择每个任务的协议，在控制研究中超越所有固定协议，并在真实基准和LLM评判奖励上进行在线训练。
消融实验揭示了一种机制。当协议将可交付成果通过负责代理进行路由时，问责的位置改变成果；而且不同模型族之间的最佳位置会发生变化，因此组织设计不能被硬编码；它必须针对每个模型绑定进行重新验证或学习。
博主点评： 本文提出的IMACS框架通过解耦组织结构、协调方式和算法选择，为多智能体系统的设计提供了新的视角。通过在线学习的自适应路由机制，显著提升了模型的协作效率，值得在未来的研究中深入探讨和应用。