网易首页 > 网易号 > 正文 申请入驻

告别昂贵账单,Token直降68%,多智能体动态协作编程来了

0
分享至

本文的主要作者来自上海交通大学自动化与感知学院 i-WiN 中心团队,团队负责人是上海交通大学讲席教授关新平。本文的通讯作者为 i-WiN 中心陈彩莲教授和关新平教授,指导老师还包括中心的许齐敏副研究员、徐磊和张延洲助理研究员。本文的第一作者为上海交通大学博士生王思宇,研究方向涉及多模态大模型、CAD 生成、多智能体、Agentic RL 等。

在当下 Vibe Coding 火热的背景下,软件开发正迅速从 “人写代码” 转向 “人指挥智能体写代码”。以 Claude Code、OpenClaw 为代表的系统,让智能体能够自主完成编码、调试乃至完整任务流程。然而,面对系统级开发或竞赛级算法等复杂问题,单一模型的能力边界依然明显,多智能体协作逐渐成为主流范式

但现有方法大多仍停留在两种典型路径。一类如 Claude Code 的Agent Teams,通过并行调用多个模型来提升能力上限,但也带来了极高的 Token 成本;另一类则以当下热门的 OpenClaw 为代表,通过技能组合与流程编排实现多智能体管理,在工程上更可控。

然而,这类方法的协作结构大多仍依赖预定义规则或静态流程,本质上解决的是 “如何组织调用”,而非 “如何根据任务动态调整协作方式”。这就像不论修自行车还是造火箭,都派同一个十人专家组开三天会,导致智能体冗余通讯与大量的 Token 消耗,最终给用户带来了极高的自主编程成本

上海交通大学 i-WiN 团队最新提出多智能体框架AgentConductor,通过引入一个经过强化学习训练后的3B 参数指挥智能体,从根本上解决了这个问题。它会先评估任务难度,并生成一张以 YAML 表示的交互拓扑图:简单任务使用轻量团队,复杂任务则使用更复杂的交互图,实现能力与成本的自适应匹配。

图 1.(a) 拓扑结构的 YAML 表示与实际图结构的映射;(b) AgentConductor 拓扑生成与演化过程展示

更关键的是,AgentConductor 并非一次性规划:当生成代码运行失败时,指挥智能体会根据环境反馈的错误信息,结合记忆中的历史轨迹,对拓扑进行端到端重新生成,从而探索新的协作形式。实验结果表明,该方法在显著提升编码准确率(+14.6%)的同时,将 Token 成本降低了 68%。这说明真正高效的 AI 编程团队需要的是一种面向任务、可随执行反馈动态演化的协作结构,而非僵化的一刀切工作流。相关论文已经公开,代码将于近期开源。

  • 论文名称:AgentConductor: Topology Evolution for Multi-Agent Competition-Level Code Generation
  • 论文链接:https://arxiv.org/abs/2602.17100

社区影响力

图 2 展示了 AgentConductor 工作在国际 AI 社区 (X, 前身 Twitter) 引发的广泛关注与认可。这项工作被知名 AI 分享博主 DAIR.AI 当日置顶宣传并评为 2026 年 2 月 23 日–3 月 1 日 Top AI Papers,并获得新锐 AI 科技博主 Rohan Paul 对 i-WiN 团队和论文的高度评价。

图 2.AgentConductor 得到 DAIR.AI 与 Rohan Paul 等账号推荐

核心特色与方法介绍

1. 基于 YAML 的新型多智能体交互图结构

相比传统多智能体拓扑,我们在表示形式与交互机制两个层面进行了设计与优化。

1.1 表示形式

传统方法多采用连接矩阵等数学形式来描述交互图,不仅可读性差,也难以直接编辑与校验,更无法由大模型端到端生成;近期工作尝试使用自然语言描述,但存在拓扑不严格、难以结构化约束等问题。我们使用 YAML 结构化表示交互图 (图 1 (a)),使其既具备可读性,又支持程序化校验与约束,并可由 LLM 直接生成。这种形式在设计上与当前流行的Skill 配置文件具有一致性,便于理解与落地。

图 3. 本文交互拓扑结构与传统方法的对比

1.2 交互形式

如图 3 所示,传统链式、树状拓扑分别限制并行性、通信范围或连接灵活性,而全连接结构又过于复杂。我们融合多种拓扑优势,支持层内并行和跨层通讯且每个智能体可任意链接之前的历史节点,在提升表达能力的同时避免不必要的通信开销

2. 训练范式

2.1 SFT + GRPO 的两阶段训练范式

AgentConductor 采用两阶段训练策略,只训练一个指挥智能体:

监督微调(SFT):基于 GPT-4o 生成的 4,500 个高质量拓扑样本(覆盖三档难度),赋予基础模型拓扑先验;

基于 GRPO 的多轮端到端 Agentic 强化学习训练:将环境反馈的代码报错和多轮的拓扑文本一起作为轨迹 (Trajectory) 来用于智能体的强化学习训练,基于 GRPO 算法优化模型的拓扑生成策略以最大化复合奖励,最终实现低 Token 成本的高质量代码生成。

图 4. AgentConductor 的总体框架

2.2 拓扑密度评估函数

为实现任务自适应,我们将问题分成三档难度,并根据从 Token 成本到拓扑密度的形式化映射,提出了拓扑密度评估函数并作为奖励函数一部分。综合刻画节点数、边密度与图深度对通信成本的影响。

我们在论文中证明,多智能体系统的平均通信成本可形式化为:

其中 d 为图深度, m 为提示词最大长度。相比之下,传统方法大多简单的通过矩阵的秩来衡量交互密度,丢失了多智能体交互的数学含义

实验结果展示

我们在三个竞赛级(APPS, LiveCodeBench, CodeContests)与两个基础代码数据集(HumanEval, MBPP)上评估 AgentConductor(基于 Qwen-2.5-3B-Instruct):

表 1. AgentConductor 的 pass@1 准确率对比

表 2. AgentConductor 在性能、成本及平均拓扑密度方面的比较结果

表 1 说明,AgentConductor 以仅 3B 参数量,在 APPS 上显著超越最强基线,同时减少了最多 68% 的 completion token 消耗,并实现最高拓扑稀疏度。更重要的是,系统展现出细粒度难度适配能力:在 easy 任务上使用极简拓扑(平均 3–4 节点),在 hard 任务上自动扩展至 8–10 节点,而多数基线无论难度均维持固定密度。(* 更多结果详见论文)

结语:多智能体系统正在学会组织自己

过去,多智能体系统常被视为“堆人力”的暴力解法:越多AI越好。但AgentConductor 证明,智能协作的关键不在于数量,更在于结构的适应性。它标志着多智能体研究从“静态工作流”迈向“动态生态系统”。 AgentConductor 不仅是一项工程优化,更代表了一种新范式:将多智能体协作视为可学习、可演化的结构化决策过程。 通过将任务难度、执行反馈与通信成本统一纳入强化学习框架,我们实现了准确率与效率的协同提升。

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
中国“捡钱”时代或将来临:如果手中只有10万,试试死啃这两条线

中国“捡钱”时代或将来临:如果手中只有10万,试试死啃这两条线

米老鼠的世界
2026-08-26 14:20:23
儿子欲娶母瘫痪、父赌博、两弟弟读书的女友,清醒妈妈:要钱就断绝关系!扶贫婚姻会毁孩子一生

儿子欲娶母瘫痪、父赌博、两弟弟读书的女友,清醒妈妈:要钱就断绝关系!扶贫婚姻会毁孩子一生

菁妈育儿
2026-11-18 13:36:22
周鹏降薪300万回归才两个月再次离队,广东队3胜5负外教已经下课

周鹏降薪300万回归才两个月再次离队,广东队3胜5负外教已经下课

生活新鲜市
2026-11-17 09:00:00
收评:创业板指涨0.85% 算力租赁概念全天强势

收评:创业板指涨0.85% 算力租赁概念全天强势

证券时报
2026-11-18 15:28:05
41岁男子谎称37岁求职,遭拒后起诉被年龄歧视并索赔10万,法院判了

41岁男子谎称37岁求职,遭拒后起诉被年龄歧视并索赔10万,法院判了

极目新闻
2026-11-18 08:26:33
官宣了!罗伯特・帕丁森成为新一任007

官宣了!罗伯特・帕丁森成为新一任007

齐鲁壹点
2026-11-17 07:20:15
大二女生去按摩,男技师让她脱内裤跪着背对着他,整个人贴了上来,店长:包厢没监控,赔700块

大二女生去按摩,男技师让她脱内裤跪着背对着他,整个人贴了上来,店长:包厢没监控,赔700块

一丝不苟的法律人
2026-11-08 16:44:48
10分钟打爆韩国,却还在踢第四级别!苗润东离中超到底有多远?

10分钟打爆韩国,却还在踢第四级别!苗润东离中超到底有多远?

曹老师评球
2026-11-17 21:43:08
时间定了,中方宣布安排,11月19日这一天,全世界都将拭目以待

时间定了,中方宣布安排,11月19日这一天,全世界都将拭目以待

古书奇谈
2026-11-17 10:23:42
马斯克遇上大麻烦!星链被欧洲围堵,欧洲为何对星链下手了?

马斯克遇上大麻烦!星链被欧洲围堵,欧洲为何对星链下手了?

普陀动物世界
2026-11-18 05:49:40
官媒点名!4位明星化身老赖,最后一位臭名昭著,给大众提了个醒

官媒点名!4位明星化身老赖,最后一位臭名昭著,给大众提了个醒

林轻吟
2026-11-10 07:17:48
国际货币基金组织预测:中国2027年GDP,将彻底领先日本5倍以上!

国际货币基金组织预测:中国2027年GDP,将彻底领先日本5倍以上!

生活新鲜市
2026-11-18 05:52:20
上层作孽,害死好人

上层作孽,害死好人

我是历史其实挺有趣
2025-08-02 08:59:00
30岁河南外援渴望进国足:若被归化很荣幸!在中国3年像活在电影里

30岁河南外援渴望进国足:若被归化很荣幸!在中国3年像活在电影里

我爱英超
2026-11-18 00:01:01
扎堆成年出道!贝儿、黄多多等萌娃陆续进圈,星二代的高起点,是红利也是枷锁

扎堆成年出道!贝儿、黄多多等萌娃陆续进圈,星二代的高起点,是红利也是枷锁

随性的海浪
2026-11-18 13:16:02
九一三事件后,黄永胜的孩子们都有什么命运?

九一三事件后,黄永胜的孩子们都有什么命运?

华人星光
2026-11-17 15:10:05
曝光东莞路边价格刺客!不少人中招!

曝光东莞路边价格刺客!不少人中招!

东莞潮事儿
2026-11-18 12:27:36
东风-61洲际导弹列装,引发岛内震动!台专家:敲打美国,管好自己安排在第一岛链上的所谓“看门狗”

东风-61洲际导弹列装,引发岛内震动!台专家:敲打美国,管好自己安排在第一岛链上的所谓“看门狗”

每日经济新闻
2026-11-18 10:28:14
金融危机真的不远了?华尔街开始疯狂抛售黄金,这意味着什么

金融危机真的不远了?华尔街开始疯狂抛售黄金,这意味着什么

奇思妙想生活家
2026-11-18 04:43:33
特斯拉即将推出 2026 年度大更新,重磅新功能来了!

特斯拉即将推出 2026 年度大更新,重磅新功能来了!

XCiOS俱乐部
2026-11-17 20:45:14
2026-11-18 16:12:49
机器之心Pro incentive-icons
机器之心Pro
专业的人工智能媒体
14506文章数 142760关注度
往期回顾 全部

科技要闻

离职后首份声明!黄仁勋认错愿回归

头条要闻

媒体:今年APEC特殊 无论怎样先把领导人全家福拍起来

头条要闻

媒体:今年APEC特殊 无论怎样先把领导人全家福拍起来

体育要闻

“中超卡里乌斯”,成了大连的夺冠英雄

娱乐要闻

认亲被嘲讽后郭德纲委托律师发声明

财经要闻

黄仁勋留下的高分成绩单,能延续吗?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

健康
游戏
家居
时尚
数码

医生眼里"很伤腰"的椅子,很多人天天坐

《GTA6》TGA提名数量排历史第七!仍追不上光与影

家居要闻

2026建博会(广州) 公装联探展交流活动

西北最贵专列?从西宁到敦煌的“丝路梦享列车”到底值不值?

数码要闻

LG显示推出39英寸RGB Stripe OLED面板 戴尔显示器首搭

无障碍浏览 进入关怀版