DyTopo：基于语义匹配的多智能体推理动态拓扑路由

基于提示的大语言模型构建的多智能体系统虽能提升多轮推理能力，但现有流程多依赖固定的通信模式，难以适配迭代求解中各阶段的特定需求。本文提出 DyTopo，一种由管理器引导的多智能体框架，能在每轮重构稀疏有向通信图。各智能体根据管理器设定的阶段目标，输出轻量级自然语言查询（需求）与键（供给）描述符；DyTopo 通过嵌入这些描述符并执行语义匹配，仅沿诱导边路由私有消息。在代码生成与数学推理基准测试及四种大模型骨干网络上，DyTopo 均显著优于最强基线（平均提升 6.2%）。此外，该框架通过演化的图谱提供可解释的协调轨迹，支持对跨轮次通信路径重构的定性分析。