Eson Wong

几乎所有人在设计多智能体系统（Multi-Agent）时，都会下意识地掉进同一个思维，必须选出一个中央 agent，或者预先写死一条固定的执行流水线。 在传统认知里，没有领导的团队就是一盘散沙。但只要你在生产环境里跑过多智能体系统，就会发现这种中央集权式架构其实是很脆弱的。 中央调度器一旦理解偏差、Token 超限或网络超时，整个 Agent 集群就会失败。并且另一个就是每个 Agent 的技能在后训练中不断进化，但上面的调度逻辑却始终是静态写死的，根本无法根据成员能力的实时变化动态调整分工。 哈佛大学与 MIT 的团队包括知名学者 Yilun Du 等最近发表了一项极具启发性的突破Learning Self-Orchestration in Decentralized Agent Swarms 他们提出了 MPT（Market-Based Post-Training），彻底去掉中央协调器，让群体智能在纯粹去中心化的自组织拍卖中自发涌现。 MPT 的架构哲学极其反常识，系统中没有任何一个 Agent 是 Leader，所有协作通过内部模拟的竞价市场自发撮合。 每个 Agent 在后训练阶段同时学习两个策略网络： 第一个是动作策略，动作策略决定在给定任务环境下该执行什么具体动作、调用什么工具或编写什么代码； 第二个是竞价策略，输出一个标量数值，代表该 Agent 针对当前子任务的执行意愿与胜任自信度。 在运行时的每个决策节点，所有 Agent 进行去中心化公开竞价，出价最高者赢得该步骤的执行权。 另外还有一个局部信用分配机制（Bid-Driven Credit Assignment）将严格按照各 Agent 历史步骤的出价权重反向分发。 如果一个 Agent 盲目报高价却搞砸了任务，它将承担最负向梯度惩罚，只有在真正有把握的擅长领域出高价并做对，才能获得丰厚正反馈。 在强化学习的驱使下，每个 Agent 自然演化出了自我认知，擅长的任务主动争抢，不擅长的领域自愿让贤。 研究团队在具身创造、多机器人协同导航、以及深度长程网络调研三大完全不同的严苛场景中进行了验证。 实验表明随着训练轮次推进，集群的参与模式自发重构，擅长写代码的 Agent 会在编程步骤报高价，擅长跨源检索的 Agent 会在搜索节点主动接管，无需任何人工规则介入。 另外本研究在多 agent 集群中的弹性极高。基于 MPT 训练的集群，即使训练时只有 3 个 Agent，在推理部署时直接动态扩展到 6 个、8 个甚至 12 个节点，系统不仅不会崩溃，任务通过率反而随群体规模增加而持续走高。 面对推理过程中高达 90% 的节点意外宕机，传统流水线早已彻底中断，而 MPT 集群仅凭剩余存活节点通过竞价自发补位，几乎无损维持了核心任务的完成。 最后在面对未曾见过的全新下游任务时，具备自我编排能力的 MPT 蜂群，其微调适应速度大幅超越那些受制于固定流水线的传统 Agent。 我们长期以来试图通过堆叠复杂的系统提示词、状态机或全知全能的超级协调器来驾驭多智能体，本质上是在用工业时代的流水线思维套复杂的智能协同。 当智能体数量从几个走向成百上千时，中心化编排的边际收益递减直至崩溃。 这篇研究最强的点就在于它的思路，竞价的思路和强化学习让 Agent 保持高强度的认知。 推荐在探索多智能体编排架构、自主任务规划与鲁棒系统设计的朋友精读这篇杰作。 arxiv：arxiv.org/abs/2610.22322