為代理建設者提供的精彩論文。 多代理系統經常表現不佳。問題不在於代理本身的構建，而在於它們的組織方式。 它們大多是用固定的鏈、樹和圖構建的，無法隨著任務的演變而適應。 但如果系統能夠學習自己的協調模式呢？ 這項新研究介紹了Puppeteer，一個學習動態協調代理的框架，而不是依賴手工製作的拓撲結構。 協調者根據不斷演變的對話狀態選擇下一個發言的代理，而不是預先定義合作結構。該策略使用REINFORCE進行訓練，直接優化任務成功率。 它們不再在複雜的圖拓撲中搜索，而是將所有內容序列化為順序代理選擇。這種重新框架避免了組合複雜性。 出現的結果令人驚訝：緊湊的循環模式自然發展。不是龐大的圖，而是2-3個代理處理大部分工作的緊密循環。 值得注意的是，系統自己發現了效率。 結果： - 在GSM-Hard數學問題上：70%的準確率（相比基礎模型的13.5%有所提升）。 - 在MMLU-Pro上：83%（對比76%的基準）。 - 在SRDD軟件開發上：76.4%（對比60.6%的基準）。 這些增益伴隨著令牌消耗的減少。論文顯示，在訓練過程中，令牌成本持續下降，而性能卻在提高。 他們還證明了代理選擇過程滿足馬爾可夫性質，這意味著當前狀態單獨決定最佳下一個代理。無需跟踪完整歷史。 對於AI開發者來說，這很重要：學習的簡單性勝過工程的複雜性。一個訓練過的路由器與少數專門代理相比，可以在降低計算開銷的同時超越精心設計的工作流程。