推文

@snwiki238337 · 2026-10-17 17:13

对于多智能体系统，如果你采用比如传统的 AutoGen 或 MetaGPT，中央路由器很容易成为整套系统的脆弱。上下文超载、推理延迟飙升、一旦幻觉整个系统就会宕机。 但如果你走向另一个极端，采用完全去中心化的自由自治架构，往往会掉进另一个坑里。 Agent 之间可以随意拆解任务、相互委托。然而任务一层层下派之后，一旦下游某个子 Agent 报错断流、输入格式崩溃或者产生虚假事实，根本没有谁对最初的交付结果负责。 上游觉得自己已经派发了任务，下游觉得前置依赖本来就残缺。出现死锁。 澳大利亚莫纳什大学与 CSIRO Data61 团队刚刚在 arXiv 上发表了一篇直击多智能体协同的力作A Responsibility-Centered Coordination Mechanism for Decentralized Multi-Agent Systems 他们提出了一个以显式契约与承诺为核心的责任协调机制 RCM，让去中心化系统既具备分布式执行的高并发，又拥有坚如磐石的端到端责任链。 RCM 的本质思想是高效的现代组织从不靠人微操，也不靠无序，是靠清晰的契约。 在 RCM 框架中，任务而是一份具备状态约束的合同一样的东西。 债务人与债权人的明确权责是委托任务的 Agent 是债权人，接单的 Agent 是债务人。债务人必须向债权人做出交付承诺，而债权人必须履行验收与监督义务。 当某个子 Agent 违背承诺或运行超时，它的直接上游债权人会立即触发局部干预策略（重试、切换备选 Agent 或降级回退），在局部掐死故障，避免整条流水线雪崩。 研究团队在CLAW-EVAL、Who&When、ATBench-C上，全面对比了包括 AutoGen、MetaGPT、AgentVerse、GPTSwarm、AgentNet、AFLow 在内的近 10 种代表性架构。 在多项端到端复杂任务上，RCM 相比同底座的最强基线带来了高达 18.7 个百分点的净胜增益，并在综合责任度指标上高出 10.2 点。 在基于 GPT-5.4 的评测中，RCM 跑出了 82.8% 的责任得分，远超此前表现最好的 AgentVerse。 此外呢RCM 凭借清晰的承诺追踪图，无需任何微调即拿下了 34.96 的 F1 分数，甚至远超那些专门做过 SFT 或强化学习微调的工业级防御模型。 其实只要系统内部的责任链条透明且相互制衡，系统自发的故障诊断和安全审计能力甚至强过专门训练的外挂。 这篇论文的思路和上一篇很像，都是关注于智能体之间的契约与治理结构。唯一的不同就是结构、和采取的方式的不同。 但是这两篇都证明了一件事，就是良好的契约和治理结构带来的效益是远超于现在的普通 90%的 agent 架构的。 arxiv：https://arxiv.org/abs/2610.21243

曝光 44 · 评论 1 · 点赞 1 · 书签 0 · 曝光/时 31.92839695128509