https://arxiv.org/abs/2309.17288https://arxiv.org/abs/2309.17288
1.概述
大语言模型(LLM)已展现出作为通用任务解决智能体的卓越能力,其知识储备与技能水平令人瞩目。然而,在面对需要高度密集知识与复杂推理的任务时,如预防幻觉、采用深度思考策略、确保信息可信度以及整合跨领域知识与长期规划等,这些模型仍面临诸多挑战。相比之下,人类通过协作解决问题的模式,能够高效地应对各领域中的非标准难题。通过分工合作、运用多样化的视角与专业知识,人类显著提升了解决方案的质量与可靠性。
受人类协作解决问题模式的启发,近期的研究工作通过引入多智能体讨论机制,旨在提升LLM的任务解决能力。然而,当前的多智能体系统大多依赖于手工设计或用户指定的智能体,这些智能体具有特定角色且需人工监督,从而限制了协作应用的广泛性与灵活性。此外,手动创建大量专家级