多智能體系統(tǒng)（MAS）是一支由不同專長成員組成的虛擬團隊，有精于數(shù)學推理的成員，也有擅長規(guī)劃與策略設計的高手，他們通過角色分工和結(jié)構(gòu)化流程，共同破解難題。這種分工協(xié)作不僅能顯著提升效率，還能將單一模型無法觸及的深度任務迎刃而解。

但是無論是精心設計的角色分工，還是巧妙搭建的投票與融合機制，現(xiàn)有系統(tǒng)往往在“如何讓各專家在對話中真正理解彼此”這一環(huán)節(jié)失之交臂。他們更多關注最終答案的質(zhì)量，卻忽視了智能體間深度溝通與動態(tài)調(diào)整的重要性。

為此，OSC（Orchestrating Cognitive Synergy）框架應運而生。它不僅在專家選擇與結(jié)果聚合之間插入一層“自適應協(xié)作引擎”，更通過協(xié)作者知識模型（CKM）和學習型認知差距分析（fgap），讓每位智能體都能對同伴的認知狀態(tài)進行實時建模。再結(jié)合PPO強化學習驅(qū)動的通信策略（πcomm），OSC讓多智能體真正邁向“深度協(xié)作”的境界。

這支由中山大學和阿里巴巴集團聯(lián)合打造的團隊，將學術前沿的認知建模與工業(yè)級的系統(tǒng)優(yōu)化無縫融合，團隊成員有Jusheng Zhang, Yijia Fan, Kaitong Cai，Keze Wang，Xiaofei Sun。他們的跨界合作，既確保了理論的嚴謹性，也兼顧了產(chǎn)業(yè)應用的可行性。

1.相關工作

LLM驅(qū)動的多智能體系統(tǒng)

多智能體協(xié)作的早期嘗試，多以“角色分工+流程設計”為主。研究者常將LLM模擬為產(chǎn)品經(jīng)理、程序員、測試人員等固定角色，并通過預定義的腳本或結(jié)構(gòu)化工作流，讓它們按部就班地完成任務。

這種做法在軟件開發(fā)、知識檢索等場景中取得了一定成功，但卻存在內(nèi)在的僵化：每位代理的協(xié)議都是在預設范圍內(nèi)運轉(zhuǎn)，遇到新問題時無法靈活調(diào)整彼此的溝通方式。

智能體選擇與結(jié)果聚合

為了提升效率，學界提出了知識感知路由——根據(jù)任務類型將最合適的專家分配給子任務；又或者引入動態(tài)路由機制，憑借歷史表現(xiàn)實時調(diào)整任務分配。

然而，當所有子任務完成后，再通過投票、自我評估或分層信息融合等手段合成最終答案。這些方法能提升整體準確率，卻將協(xié)作過程視為黑箱，對智能體在對話中如何交換信息、化解分歧毫不關心。

智能體間通信機制

在通信層面，Chain-of-Thought 提示可以讓多智能體共享推理鏈，辯論框架和談判機制也被用來磨礪和精煉方案；甚至有人嘗試通過共享記憶或增量學習來保持長周期的協(xié)作狀態(tài)。

可惜這些機制往往是“靜態(tài)”的：它們沒有能力根據(jù)對話進展實時判斷誰真正理解、誰產(chǎn)生誤解；也缺乏系統(tǒng)化的認知建模來指導交互策略。

OSC的創(chuàng)新定位

OSC的獨特之處正是在專家選擇與答案聚合之間，搭建了一個專門用于自適應協(xié)作的中間層。它利用協(xié)作者知識模型實時描摹每位代理的認知畫像，再通過學習型認知差距分析動態(tài)捕捉理解偏差，并由強化學習驅(qū)動的通信策略，精準地調(diào)整交互內(nèi)容、風格與目標。整個框架如同一位“指揮大腦”，讓多智能體從并行工作者蛻變成真正意義上的“協(xié)同認知團隊”。

圖1:OSC框架使用協(xié)作者知識模型（CKMs）

2.OSC框架概覽

在多智能體 LLM 協(xié)作的全流程中，OSC 擔任連接“專家選擇”與“答案聚合”兩端的關鍵中樞。

首先，由外部模塊根據(jù)任務類型和模型能力，從模型池中“挑選”出若干專家；隨后這批專家進入OSC 的中間層，開啟多輪自適應協(xié)作推理；最后，經(jīng)由聚合器將各專家的精煉輸出整合成最終答案。

整體架構(gòu)如同一座橋梁：

• 專家選擇階段確保每一次召集都精準匹配任務需求
• OSC 中間層通過持續(xù)的認知感知與動態(tài)對齊，讓各智能體在對話中互相補全理解、快速達成共識
• 答案聚合階段則負責提煉各方智慧，輸出高質(zhì)量、連貫一致的系統(tǒng)答案

自適應協(xié)作推理是 OSC 的核心。這里并非讓智能體僅僅“輪流發(fā)言”，更是一場有策略的“認知編排”——智能體之間通過協(xié)作者知識模型實時洞察彼此認知狀態(tài)，利用認知差距分析甄別誤解或分歧，再憑借強化學習優(yōu)化的通信策略，精準調(diào)整信息焦點、表達層次與交互風格，最終形成高效、深入的團隊協(xié)作。

3.技術細節(jié)解讀

動態(tài)協(xié)作者知識模型（CKM）

OSC 以 CKM 為基石，為每對智能體構(gòu)建一條隱式的“認知通道”。這條通道源于一組廣泛的候選認知維度——從語言學標記、常見推理模式，到任務無關的對話行為，全都納入初始全集。

CKM 并不人工挑選哪幾項有效，而是由模型自行學習關注最具任務相關性的部分，生成一組 128 維的潛在向量 ，刻畫在對話第t輪的知識、推理信心和任務理解。

其內(nèi)部結(jié)構(gòu)由兩部分組成：一是基于 Transformer 編碼器的 fCKM，用來從對方最新發(fā)言和對話歷史中提取潛在認知特征；二是 GRU 實現(xiàn)的 fupdate，用于將上輪的向量與新消息融合，輸出更新后的 z。在強大的自監(jiān)督預訓練后，這兩套模塊還會在OSC 的端到端強化學習循環(huán)中繼續(xù)微調(diào)，讓 CKM 表示精準服務于最終任務。

學習型認知差距分析（fgap）

僅僅建模并不夠，還需識別“共識缺口”。OSC 通過可學習的差距函數(shù) fgap，將智能體的內(nèi)部狀態(tài)表示 Φ與對協(xié)作者e的認知模型z投影到同一語義空間，并以多頭注意力＋前饋網(wǎng)絡的形式，輸出一組差距指標G。

這一指標有的指向事實理解偏差，有的反映推理路徑差異，甚至可捕捉目標設定不一致。OSC 以此為依據(jù)，動態(tài)設定通信目標，無需人為固定，保證每次對話都直擊協(xié)作瓶頸。

自適應通信策略（πcomm）

有了對自身與他人認知的雙重洞察，怎樣說才最有效？πcomm 給出了答案。它以 Transformer 編碼器為骨干，將以下五大信息拼接成智能體決策的“認知大圖”：

• 智能體自身的認知狀態(tài) Φ
• 對所有協(xié)作者的 CKM 表征集合
• 對所有協(xié)作者的認知差距矩陣
• 當前任務查詢 Q
• 累積對話歷史 Ht

在此復合狀態(tài)下，πcomm 輸出一個結(jié)構(gòu)化動作：包含動態(tài)決定的通信目標（如“澄清細節(jié)”或“提出驗證”）、目標受眾（某位或多位協(xié)作者）以及細膩的風格和焦點參數(shù)（層次深度、情感色彩、論證方式等）。動作一經(jīng)生成，便通過專門的 prompt 模板交給生成型 LLM，自然地化作一句切中要害的對話內(nèi)容。

這一決策網(wǎng)絡在 PPO 強化學習中不斷優(yōu)化。它的獎勵不僅包含任務成功的外部回報，也加入了通信成本懲罰與針對認知差距顯著縮小的內(nèi)在獎勵。通過反復試驗，πcomm 學會在最小的輪次和信息量里，完成最有效的協(xié)作交流。（編輯注：由于數(shù)學符號不能全部正確顯示，請專業(yè)讀者查看原文）

4.策略指導的語言實現(xiàn)

在 OSC 中，每一次通信都源于 πcomm 輸出的抽象通信動作，這份“認知藍圖”精確定義了要解決的認知差距、面向的協(xié)作者以及內(nèi)容和表達風格。然而僅有藍圖還不夠，還需要將其渲染成自然流暢、上下文貼切的對話文本。這里，OSC 借助生成型 LLM（fLLM）完成從“抽象”到“自然語言”的華麗蛻變。

抽象通信動作首先被送入一個Prompt 生成函數(shù)，該函數(shù)動態(tài)整合三大信息：

• πcomm 選定的動作要素（通信目標、受眾與風格參數(shù)）
• 發(fā)信者自身的內(nèi)部認知狀態(tài)（如當前計劃片段或假設）
• 協(xié)作者知識模型（CKM）中對目標受眾的認知洞見（如可能的誤解或信息缺口）

基于這些信息，Prompt 生成函數(shù)會構(gòu)建一段豐富且針對性極強的指令，示例化地告訴 fLLM：“請以說服力強的說明風格，針對 B 代理在子任務 X 上的理解偏差，提出一道具體的澄清問題?！彪S后，fLLM 僅需專注語言實現(xiàn)，快速生成一條清晰、有理有據(jù)的消息。

在這一流程中，OSC 與 LLM 各司其職：OSC 決定“要說什么、說給誰、要達到什么效果”，而LLM 專心“如何表達、用怎樣的措辭與句式最得體”。這樣的職責分工既保障了高層協(xié)作意圖的精準貫徹，也大大降低了生成失控的風險。

5.實驗評估與分析

主要實驗設置

OSC 的實力，得益于多樣化的專家模型池與嚴謹?shù)膶φ諏嶒?。研究團隊選用了六款強大的開源 LLM：

• Qwen2-72B-Instruct
• LLaMa-3-70B-Instruct
• WizardLM-2-8x22B
• Gemma-2-27B
• Deepseek-V3
• Deepseek-R1

Qwen2-72B-Instruct 同時擔當答案聚合器，確保與現(xiàn)有系統(tǒng)（如 KABB、MoA）在相同基礎上進行公平比拼。評測基準涵蓋 AlpacaEval 2.0（805 條指令的 LC win 率與標準win 率）和 MT-Bench 多輪對話得分，輔以單模型對照（OSC-Single-LLaMa3）和各大 GPT-4 版本、Claude 3.7 等專有模型。

表1:OSC（Our）和其他模型在AlpacaEval 2.0和MT試驗臺上的比較。MoA（具有2層）與KABB和OSC設置共享類似的專家模型配置，涉及6個不同的提議者和1個聚合器。

對于AlpacaEval 2.0，GPT-4變體、LLaMa-3-70B-Instruct和Qwen2-72BInstruct的性能來自公共排行榜；WizardLM-2-8x22B的結(jié)果來自之前的工作。我們在AlpacaEval 2.0上復制了Deepseek-V3、Deepseek-R1和Gemma2-27B的結(jié)果。對于MT Bench，我們進行了評估以獲得基于輪次的分數(shù)，但GPT-4變體、LLaMa-3-70B-Instruct和WizardLM-2-8x22B的結(jié)果除外，這些結(jié)果來自之前的工作。OSC（我們的）結(jié)果證明了其先進協(xié)作機制的好處。

性能對比

在 AlpacaEval 2.0 上，OSC 達到81.4% 的 LC win 率和76.2%的標準 win 率，超越 KABB（77.9%/72.3%）與 MoA（68.1%/65.4%）。MT-Bench 上，OSC 同樣以9.94的平均得分登頂，在首輪（9.96）與次輪（9.73）表現(xiàn)均領先。 單模型場景下，OSC-Single-LLaMa3 也以 36.1% LC win 率小幅領先 KABB-Single-LLaMa3（34.7%）與基線 LLaMa-3-70B-Instruct（34.4%），再度證明自適應協(xié)作框架的加成效果。

圖2:AlpacaEval 2.0的性價比權衡。OSC配置（六邊形）與KABB（全）（圓形）、單個模型（三角形）和專有模型（星形）進行比較。OSC展示了強大的帕累托前沿，相對于成本優(yōu)化了性能。虛線連接OSC配置，強調(diào)通過增加但高效管理的專家協(xié)作來提高性能。

通信效率與質(zhì)量

不僅答對率高，OSC 的對話過程也更簡潔高效。與 TalkHier、REMALIS、DyLAN、MAC 等對比，OSC 平均僅需4.6 輪、約3.3k Tokens完成任務。通信冗余率低至14.2%，沖突解決率高達89.5%，任務相關信息密度更是達到了84.5%，遠超其他框架的 79%–83% 區(qū)間。這些數(shù)據(jù)清晰地反映出 CKM 與認知差距驅(qū)動的 πcomm 在提升協(xié)作精準度與減少無效交流方面的顯著作用。

關鍵組件消融

通過去除 CKM、fgap、πcomm 或 rshape 逐一消融實驗，可以直觀量化各模塊的價值：

• 去除 CKM 后，LC win 率驟降至71.2%，通信輪次與冗余大幅上升
• 去除 πcomm 時，僅剩 69.4% 的LC win 率，通信負擔倍增
• 去除 fgap 或 rshape 也分別導致性能與效率明顯下滑

消融研究表明，CKM 與動態(tài)通信策略是 OSC 卓越效果的中流砥柱，學習型差距分析與內(nèi)在獎勵則進一步提升了系統(tǒng)的穩(wěn)定性與敏捷性。

可擴展性研究

團隊逐步將智能體規(guī)模從 2、4、6、8 增至 10，發(fā)現(xiàn)中等規(guī)模（6 agents）可兼顧深度協(xié)作與協(xié)調(diào)開銷，取得 81.4% 的最佳 LC win 率。代理過少時視角受限，過多時溝通輪次與 Token 數(shù)迅速上漲，沖突解決率從 91.7% 回落到 87.8%。OSC的核心模型在 6 agents 環(huán)境下冗余最低（12.6%）、信息密度最高（86.2%），展現(xiàn)了良好的可擴展平衡。

價格–性能平衡

在 AlpacaEval 2.0 上，OSC 以 1–6 agents 不同配置描繪出一條清晰的性能–成本 Pareto 前沿。6 agents 配置實現(xiàn)最高 81.4% LC win，平均成本約 $0.97/條；相比 KABB（77.9%/$0.91）和專有 GPT-4o、Claude 3.7，僅需 3–4 agents 就能達到同級或更優(yōu)的成績，卻將單條調(diào)用成本壓低至不到 $0.6。對于預算敏感的應用場景，OSC 提供了靈活可調(diào)的高性價比方案。

預訓練與微調(diào)影響

僅靠 CKM 與 fgap 的自監(jiān)督預訓練，OSC已可達到 76.8% 的 LC win，但通信輪次偏多（5.1 輪）且信息量更大（3.45 k Tokens）。在此基礎上進行端到端微調(diào)后，系統(tǒng)迅速攀升至 81.4% 的 LC win，平均輪次降至 4.3 輪，Token 數(shù)也縮減至2.87 k。對比 KABB 框架，這一微調(diào)增益體現(xiàn)了動態(tài)協(xié)作模型與差距分析的真實價值，為多智能體協(xié)作實用化奠定了堅實基礎。

圖3：與僅預訓練的方法和KABB基線相比，微調(diào)CKM和fgap模塊可以提高任務成功率（LC勝率）和通信效率（平均輪次和令牌）。

6.創(chuàng)新討論

OSC 的核心創(chuàng)新在于將“知識感知”與“策略驅(qū)動”融入多智能體協(xié)作的每一次對話，將分散的專家個體鍛造為一個真正意義上的認知團隊。

通過持續(xù)更新的協(xié)作者知識模型，系統(tǒng)能夠精準捕捉每位代理的理解水平與推理信心；借助學習型認知差距分析，OSC 可以實時識別誤解和分歧；再加上強化學習優(yōu)化的通信策略，它以極少的交互輪次和信息量，達成高效的共識與方案優(yōu)化。這樣的設計不僅在學術基準上取得了領先，更為實際應用場景——從智能客服到企業(yè)決策支持——提供了可行的協(xié)作范式。

盡管 OSC 展示了強大的協(xié)同潛力，我們也清晰地看到其在規(guī)模擴展和精準建模方面的挑戰(zhàn)。研究表明，當智能體數(shù)量超過最佳的中等規(guī)模（約 6 個）時，CKM 更新延遲和內(nèi)存占用顯著上升，沖突解決率出現(xiàn)下滑。這反映出，對每位協(xié)作者進行高維度認知建模，始終會隨著團隊規(guī)模的膨脹而面臨計算與協(xié)調(diào)負擔。

另外，框架對形狀化內(nèi)在獎勵的依賴，也意味著在完全依賴稀疏的任務回報時，學習效率將大幅下降。超參數(shù)如通信輪次和成本權重的設計，也需在不同應用中反復調(diào)試，才能兼顧深度與簡練。

面對這些局限，OSC 的下一步改進方向尤為清晰。一方面，可以引入動態(tài)超參數(shù)優(yōu)化機制，讓系統(tǒng)根據(jù)實時協(xié)作反饋自適應調(diào)整通信輪次、成本懲罰強度等關鍵參數(shù)，無需人工反復試驗。另一方面，沖破單一領域的局限，將 OSC 框架推廣到跨領域協(xié)作中：比如將對話式推理應用于醫(yī)學診斷、金融分析，或與多模態(tài)模型聯(lián)動，融合語音、圖像和文本信息，共同完成復雜任務。

此外，引入分層式專家管理與輕量級增量更新，有望在保持高效對齊的同時，進一步降低資源開銷。未來，隨著更多行業(yè)應用落地，OSC 也可以結(jié)合在線學習和模型蒸餾技術，讓多智能體系統(tǒng)在真實場景中持續(xù)進化。

7.結(jié)論

OSC 通過“動態(tài)知識對齊+自適應通信策略”的創(chuàng)新組合，打破了傳統(tǒng)多智能體系統(tǒng)難以深入?yún)f(xié)作的瓶頸，實現(xiàn)了對話驅(qū)動的認知編排。

協(xié)作者知識模型（CKM）讓每位代理都能隨時洞察同伴的認知狀態(tài)，學習型認知差距分析（fgap）揭示了分歧所在，而基于 PPO 的通信策略（πcomm）則以最精準的方式消解誤解、推動共識。實驗結(jié)果表明，OSC 在 AlpacaEval 2.0 和 MT-Bench 等多項基準上均取得顯著領先，既提升了任務成功率，又大幅優(yōu)化了通信效率。

從行業(yè)落地角度來看，OSC 為多智能體協(xié)作應用提供了一條清晰路徑：無論是多角色客服系統(tǒng)，還是復雜業(yè)務流程自動化，它都能讓不同模型或服務模塊之間實現(xiàn)真正的深度協(xié)同。

對于后續(xù)研究，OSC 的設計思路可推廣至更多場景：基于實時數(shù)據(jù)動態(tài)調(diào)整認知模型、在低資源環(huán)境下實現(xiàn)小規(guī)模團隊高效協(xié)作，乃至與跨模態(tài)、多任務學習相結(jié)合。伴隨著多智能體技術在商業(yè)和科研領域的不斷深入，OSC 所揭示的“從并行個體到協(xié)同認知團隊”的范式，將引領下一代 AI 協(xié)作系統(tǒng)的創(chuàng)新潮流。

參考資料：???https://arxiv.org/pdf/2509.04876??

本文轉(zhuǎn)載自?????波動智能?????，作者：FlerkenS