NeuroMAS：将多智能体系统视为神经网络并联合强化学习

论文把多智能体系统当作可训练神经网络，用强化学习决定通信与分工。

资讯摘要

论文提出 NeuroMAS，把多智能体语言系统建模为类神经网络的可训练架构：LLM 智能体作为节点，中间文本信号作为边。节点不预设角色但感知结构，拓扑只决定信息流动方式，通信、分工与协调由强化学习训练决定。作者报告该方法显著优于推理时与训练式多智能体基线，并发现组织扩展具有路径依赖：大系统从零训练困难，从小系统逐步生长则可行。

要点速读

1. NeuroMAS 将多智能体系统视为以 LLM 智能体为节点、文本信号为边的可训练类神经网络架构。
2. 智能体节点无预设角色但感知结构，通信与专业化由强化学习决定，设计重心从工作流工程转向架构设计。
3. 作者报告其显著优于推理时和训练式多智能体基线，且组织扩展呈路径依赖，逐步生长比从零训练大系统更可行。

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 2026/10/27 08:00:28（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。