Bài báo này đề xuất DynaSwarm, một khuôn khổ động để tăng cường các hệ thống đa tác nhân (MAS) dựa trên mô hình ngôn ngữ quy mô lớn (LLM) nhằm khắc phục những hạn chế của các MAS hiện có vốn dựa trên các cấu trúc đồ thị cộng tác tĩnh được thiết kế thủ công. DynaSwarm tận dụng hai cải tiến chính: (1) tối ưu hóa cấu trúc đồ thị thông qua cơ chế học tăng cường tác nhân-nhà phê bình (A2C), giúp cải thiện tính ổn định so với các phương pháp học tăng cường (RL) hiện có, và (2) một bộ chọn đồ thị động có khả năng chọn cấu trúc đồ thị tối ưu một cách thích ứng cho mỗi mẫu đầu vào thông qua tinh chỉnh LLM hiệu quả về tham số. Điều này cho phép DynaSwarm định tuyến động các truy vấn thông qua mạng lưới các tác nhân chuyên biệt bằng cách khai thác các tính năng cụ thể của từng mẫu, thay vì dựa vào kiến trúc đồ thị cố định áp dụng cho tất cả các mẫu. Hơn nữa, chúng tôi đề xuất một phương pháp tinh chỉnh trình tìm kiếm demo để tối đa hóa hiệu quả của học trong ngữ cảnh (ICL). Các thử nghiệm mở rộng về trả lời câu hỏi, lập luận toán học và nhiệm vụ mã hóa chứng minh rằng DynaSwarm luôn vượt trội hơn các mô hình cơ sở MAS và tác nhân đơn tiên tiến trên nhiều nền tảng LLM.
