SPLICE：定位并弥合多智能体系统的信息缺口

SPLICE 通过插入边并重执行来弥合多智能体信息缺口。

资讯摘要

论文针对多智能体固定通信图导致证据无法到达所需节点的问题，提出 SPLICE。该方法在原工作流运行后定位可能的信息缺口，插入一条有向边传递相关证据，并重执行接收方及下游节点；随后依据两次运行的最终答案与流程变化特征，由选择器决定采纳候选答案还是保留原答案。作者报告在五个基准上，Web 工具使用任务得分提升 8.0%，四个推理与规划基准平均提升 5.7%，成本为原骨架的 1.25–1.44 倍，并零样本迁移到四个未见骨干模型。

要点速读

1. SPLICE 通过在原工作流后定位信息缺口、插入一条有向边并重执行受影响节点来生成候选答案。
2. 采纳决策同时参考两次运行的最终答案和流程变化特征，由训练好的选择器判断。
3. 作者报告 Web 工具使用任务得分提升 8.0%，四个推理与规划基准平均提升 5.7%，成本为原骨架的 1.25–1.44 倍，并零样本迁移到四个未见骨干模型。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。