成果｜大模型驱动的多智能体协作网络 MacNet，探究多智能体协作的Scaling Law

文章预览

近日，我组提出基于图结构的 多智能体协作网络MacNet (Multi-Agent Collaboration Networks)，并对多智能体的协作缩放定律 (Collaborative Scaling Law) 进行了探究。 论文信息 多智能体协作网络 MacNet 示意图  ➤   论文地址   🔗 https://arxiv.org/abs/2406.07155  ➤   ChatDev链接   🔗 https://github.com/OpenBMB/ChatDev 相关成果将开源到 ChatDev 项目，敬请期待。 研究背景 在迅速发展的人工智能领域，大语言模型（LLMs）因其卓越的语言能力在多个领域引发了变革性的转变，能够无缝整合广泛的世界知识。这一突破的核心在于神经缩放定律（Neural Scaling Law），即训练良好的神经网络通常表现出与神经元数量呈幂律尺度关系。在大模型基础之上，被赋予了工具使用、长期记忆、决策规划等高级功能的智能体（Agent）能够自主完成任务，展现出了更高层面的自主任务解决能力。近期 ………………………………