多智能体推理与协作的弱链接优化

针对大语言模型驱动的多智能体框架在复杂推理任务中因个体错误放大而导致的不稳定性问题，本文提出 WORC 框架。该方法基于弱链接原理，分为两阶段：首先利用元学习预测器定位性能最差的“弱智能体”；随后通过不确定性驱动的分配策略，为弱智能体分配更多推理预算以补偿其可靠性不足。实验表明，WORC 在推理基准测试中平均准确率达 82.2%，显著提升了系统的稳定性与跨架构泛化能力。