利用自适应任务图提升语言智能体团队的效率

大型语言模型团队部署日益普遍，但现有协调方法往往走向两个极端：高度结构化方法依赖预设角色与流程，缺乏灵活性；完全非结构化方法虽具适应性，却易导致错误传播与资源浪费。本文提出 LATTE 框架，受分布式系统启发，让智能体团队共同构建并维护一个共享的、演进的任务协调图。该图编码子任务依赖、智能体分配及进度状态，支持动态工作分配与新任务发现。实验表明，LATTE 在降低令牌消耗、时间及协调失败率的同时，准确率媲美或超越现有主流架构。