multi-agent systems information exchange error propagation reasoning verification
摘要

大型语言模型推动了协作式多智能体系统的发展,智能体通过多样化推理和迭代优化提升性能。然而,此类系统易受错误传播影响,早期信息退化会损害下游推理。本文系统分析了智能体间的通信内容,发现缺乏推理与验证显著降低系统性能。基于此,提出类别感知恢复增强技术,强制通信中包含关键信息,恢复了高达 86.2% 的失败案例。结果凸显了信息质量在多智能体高效协作中的核心作用。

AI 推荐理由

论文聚焦多智能体通信中的推理与验证缺失问题,提出增强关键信息以提升协作推理性能。

研究机构
加利福尼亚大学欧文分校信息学系
论文信息
作者 Yong Jin Chun, Iftekhar Ahmed
发布日期 2026-05-19
arXiv ID 2605.20548
相关性评分 8/10 (高度相关)