DyTopo：基于语义匹配的多智能体推理动态拓扑路由

由提示大语言模型构建的多智能体系统可以提升多轮推理能力，但现有方法通常依赖于固定的、贯穿整个轨迹的通信模式，难以满足迭代问题求解阶段依赖的需求。本文提出DyTopo，一种由管理器引导的多智能体框架，在每一轮中重构稀疏有向通信图。在管理器设定的当前目标下，每个智能体输出轻量级自然语言查询（需求）和关键（提供）描述符；DyTopo嵌入这些描述符并进行语义匹配，仅沿诱导边传递私有消息。在代码生成和数学推理基准测试中，DyTopo在四种LLM主干上均优于最强基线（平均提升6.2%）。除准确性外，DyTopo还通过演化图提供了可解释的协调轨迹，使人们能够定性检查通信路径如何跨轮次重新配置。