RADAR：面向多智能体通信结构生成的冗余感知扩散模型

相较于单一智能体，基于大语言模型的多智能体系统在代码生成、数学推理及规划等任务中表现卓越。然而，其效能与鲁棒性高度依赖通信拓扑，现有方法多为固定或单步生成，限制了细粒度探索，导致简单任务令牌浪费且复杂任务能力受限。为此，本文提出 RADAR，一种冗余感知且查询自适应的生成框架，旨在主动降低通信开销。受条件离散图扩散模型启发，我们将通信拓扑设计建模为由图有效规模引导的逐步生成过程。在六个基准测试上的实验表明，RADAR 在准确率、令牌消耗及鲁棒性方面均优于现有基线。