GoAgent: Neue Topologie-Generierung für LLM-basierte Multi-Agenten

LLM-basierte Multi-Agenten-Systeme (MAS) haben gezeigt, dass sie komplexe Aufgaben mit bemerkenswerter Präzision lösen können. Ihre Leistungsfähigkeit hängt jedoch stark von der zugrunde liegenden Kommunikationsstruktur ab, die die Interaktion der Agenten steuert. In vielen bestehenden Ansätzen entsteht die Gruppierung der Agenten lediglich als Nebenprodukt lokaler Verbindungsentscheidungen, was zu suboptimaler Koordination und unnötigem Kommunikationsaufwand führt.

GoAgent (Group-of-Agents) löst dieses Problem, indem es kollaborative Gruppen als atomare Bausteine der Systemarchitektur behandelt. Zunächst listet ein großes Sprachmodell (LLM) task-relevante Kandidatengruppen auf. Anschließend wählt GoAgent diese Gruppen autoregressiv aus, verbindet sie zu einem Kommunikationsgraphen und berücksichtigt dabei sowohl die Kohäsion innerhalb der Gruppen als auch die Koordination zwischen ihnen. Um redundante Kommunikation und Rauschen zu reduzieren, wird ein bedingtes Informationsengpass‑Objektiv (Conditional Information Bottleneck, CIB) eingesetzt, das nur die für die Aufgabe relevanten Signale durchlässt.

In umfangreichen Experimenten auf sechs Benchmark‑Datensätzen erzielte GoAgent einen durchschnittlichen Accuracy‑Wert von 93,84 % und setzte damit neue Maßstäbe für die Effektivität von LLM‑basierten Multi-Agenten-Systemen. Die Kombination aus expliziter Gruppenerkennung und gezielter Kommunikationskompression macht GoAgent zu einem vielversprechenden Ansatz für die nächste Generation intelligenter Agenten‑Netzwerke.