CoWork-X：面向多智能体协作系统的经验优化共进化方法

大型语言模型正在使交互环境中的语言条件代理成为可能，但高度协作的任务通常同时带来两个约束：亚秒级实时协调和在严格的在线token预算下持续的多回合适应。现有方法要么依赖频繁的回合内推理导致延迟和时间抖动，要么通过非结构化文本实现回合后改进，难以编译为可靠且低成本的执行方案。本文提出CoWork-X，一种主动共进化框架，将同伴协作视为跨回合的闭环优化问题，受快慢记忆分离启发。CoWork-X实例化了一个Skill-Agent，通过从结构化、可解释且组合化的技能库中进行HTN（分层任务网络）基础的技能检索来执行，并引入一个回合后Co-Optimizer，通过显式预算约束和漂移正则化进行补丁式技能整合。在具有挑战性的类似Overcooked-AI的实时协作基准测试中，实验表明CoWork-X实现了稳定的累积性能提升，同时逐步降低在线延迟和token使用量。