EvoTeam：通过团队演化实现多智能体协作

基于 LLM 的多智能体系统（MAS）依赖专业化智能体之间的协作来解决复杂任务。现有方法根据任务反馈，优化单个智能体的提示词、技能和执行策略，从而改进 MAS。然而，改进单个智能体并不一定能带来更好的团队协作。因此，近期研究将演化扩展到协作层面，利用集体执行经验来调整团队组织结构和智能体间的交互方式。尽管如此，跨异构任务演化协作仍然具有挑战性，因为现有方法通常将团队重组限制在共享结构内，并在不兼容的团队上下文之间复用交互规则。在本文中，我们提出 EvoTeam，这是一种以协作为中心的演化框架，通过执行经验联合演化团队组织结构、交互规则和单个智能体的技能。该框架维护一个可复用团队库，选择或创建智能体团队，并通过团队专属的交互规则引导协作。协作经验会在兼容的团队上下文中积累，而个体技能则可在不同团队之间复用。在四个基准数据集上的实验表明了其有效性。我们的代码已公开于 https://github.com/DEEP-JLU/EvoTeam。