Multi-Agent Systems Skill Composition Graph Neural Networks LLM Agents
摘要

现有基于图的多智能体系统主要通过优化预定义智能体间的通信拓扑来提升协作,但难以泛化至未见的能力组合任务。本文提出 SIGMA 框架,将智能体构建为任务 conditioned 的可复用技能束。给定任务与技能库,SIGMA 预测技能 - 智能体关联矩阵,由选定技能组成节点嵌入,并解码通信拓扑。执行时,特定技能邮箱路由消息至对应能力。在六个推理与编码基准测试中,SIGMA 表现最优,显著优于最强基线 CARD,且对未见技能库展现出更强的鲁棒性。

AI 推荐理由

论文核心提出基于技能组合构建智能体,直接研究技能复用与组合机制。

研究机构
深圳大学 南方科技大学 太原理工大学
论文信息
作者 Kun Zeng, Yu Huo, Siyu Zhang, Yuecheng Zhuo, Yuquan Lu et al.
发布日期 2026-06-18
arXiv ID 2606.19758
相关性评分 9/10 (高度相关)