推理时图工程：多智能体LLM工作流的新视角
原文标题：Inference-Time Graph Engineering for Multi-Agent LLM Workflows
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
该研究从图工程角度重新审视多智能体编排，提出ReActNet框架，无需训练即可将查询和角色专用智能体编译为时序通信图。该框架通过结构化消息传递执行，使多智能体协调显式、可检查且任务条件化。实验表明，ReActNet在知识推理、数学问题解决、代码生成等任务上优于固定拓扑和学习的拓扑基线，且推理成本相当。
- 问题
- 多智能体LLM系统依赖图结构通信，但静态拓扑难以适配不同任务。
- 方法
- 免训练地将查询与角色智能体编译为任务条件化的时序通信图，边携带自然语言指令，再通过结构化消息传递执行。
- 结果
- 在知识推理、数学、代码生成和GAIA风格任务上优于固定拓扑与学习拓扑基线，推理成本相当；未给出具体数字。
- 影响
- 把多智能体协调变成显式、可检查、任务条件化的图编译问题，为工程上调试和优化编排提供新抓手。
深读 · 结论先行AI 生成展开看要点与影响 ↓
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。