MOC：基于大语言模型的多智能体系统中的多阶通信

尽管基于大语言模型的多智能体系统进展显著，但现有研究多聚焦于协调拓扑优化，忽视了消息传输效率这一关键问题。当前方案通常直接拼接一阶邻居响应，导致证据感受野受限及多跳路径中关键信息稀释。为此，本文提出多阶通信（MOC）方案，重构智能体间通信以捕捉多跳依赖，并引入结构化消息整合策略以确保效率。具体而言，该方法形式化了通信机制以构建结构化多阶证据流，并设计了语义 - 拓扑合并算法以在令牌限制下优化语义保真度。实验表明，MOC 在多个数据集上均提升了任务性能并降低了通信成本。