GBC：用于优化多智能体系统的基于梯度的连接机制

基于大语言模型的多智能体系统常因协作失调及缺乏细粒度信用分配而受限。现有方法依赖粗粒度反馈，难以定位错误源头。本文提出基于梯度的连接（GBC）方法，将多智能体系统建模为计算图，引入 token 级梯度连接权重以量化智能体输出对下游的影响。通过构建归因图并反向传播任务损失信号，该方法能精准识别错误来源并针对性优化提示词。此外，开发了利用前缀梯度计算的高效实现 AgentChord。实验表明，GBC 显著提升了多智能体系统性能，优于现有基线。