代理聚类：通过多智能体 refinement 实现可控文本分类体系

近期文本聚类方法利用大语言模型生成分类体系并分配文本，但其流程通常是程序化的，预定义了固定的调用序列和规则，导致泛化能力差且难以融入用户约束。本文提出一种代理式替代方案：由一个编排器大模型在每一步检查发现过程的状态，并动态调度一组专用代理（包括提议者、综合者、审计者、调查者和批评者），使流程能适应特定语料库而非执行固定脚本。在七个公共基准测试中，该方法取得了最先进性能，在调整兰德指数上比最强基线高出 32%。