EMS：基于高效多数即停策略的多智能体投票

多数投票是聚合多智能体响应以形成最终决策的标准方法。然而，传统方法通常要求所有智能体完成推理后才开始聚合，导致显著的计算开销，因为一旦达成多数共识，许多响应即变得冗余。本文将多智能体投票建模为可靠性感知的智能体调度问题，并提出高效多数即停（EMS）策略以提升推理效率。EMS 基于任务感知可靠性对智能体排序，并在达成多数共识时立即终止推理流程。该方法包含三个关键组件：利用历史表现和语义相似性估计可靠性的智能体置信度建模（ACM）、实现早期停止的顺序智能体选择自适应增量投票（AIV），以及动态更新贡献智能体可靠性的个体置信度更新（ICU）。在六个基准测试上的评估表明，EMS 平均减少了 32% 的被调用智能体数量。