Hot eventLive
能力感知多智能体编排框架研究
1 reports1 sources2 hr ago updated
Get the story
AI overview
2026年10月12日，arXiv·Artificial Intelligence（一手）发表关于面向基于LLM的多智能体系统的能力感知编排论文。论文提出一种两阶段能力感知框架，用于自动编排基于LLM的多智能体系统：先建模LLM骨干对当前查询的任务条件化能力，再据此调整角色激活与通信图。实验显示，六个benchmark平均分达93.81%；在六个不同能力水平的LLM骨干实验中，高能力骨干平均准确率从87.22提升至89.97，token成本降低36.26%；低能力骨干较现有方法再获4.58分增益，且在未见骨干上趋势一致。
Generated from reports · updated 2 hr ago
Timeline
Follow the coverage from different angles.
Oct 12, 2026
- arXiv · Artificial Intelligence面向基于 LLM 的多智能体系统的能力感知编排
论文提出一种两阶段能力感知框架，用于自动编排基于 LLM 的多智能体系统：先建模 LLM 骨干对当前查询的任务条件化能力，再据此调整角色激活与通信图。六个 benchmark 平均分达 93.81%；六个不同能力水平的 LLM 骨干实验显示，高能力骨干平均准确率从 87.22 提升至 89.97，token 成本降低 36.26%，低能力骨干较现有方法再获 4.58 分增益，未见骨干上趋势一致。
Heat trend
There is not enough continuous observation data to draw a trend yet.