OrchMAS：基于多协作异构科学专家结构化智能体的协同推理

针对现有大语言模型多智能体框架在科学领域因静态提示、僵化工作流及同质化依赖导致的推理灵活性差等问题，本文提出面向科学领域的交互式双层多模型编排框架 OrchMAS。该框架通过专用编排模型动态构建领域感知推理流水线，实例化具备定制提示的专家智能体，并依据中间反馈迭代更新流水线，实现动态重规划与角色重分配。实验表明，该方法在多种推理及科学基准测试中显著优于现有系统，提升了结构化场景下的推理鲁棒性。