Google DeepMind 新研究提升多智能体任务完成率

这篇 Google DeepMind 论文他妈太出色了。

一篇新研究论文证明，将 AI 代理委托处理成可验证合约而非 prompt 交接，就能构建出可靠的多智能体系统。

基于合约的任务分解、动态权限削弱，以及多智能体执行链上的可传递问责制。

目标熵 → 基于合约的分解 → 权限削弱 → 运行时监控 → 可传递验证 → 稳定状态

Google DeepMind 推出了一个智能委托框架，用可验证的多智能体治理替代了静态启发式路由：

→ 基于合约的任务分解

递归拆解复杂目标，直到每个子任务都能匹配确定性验证机制，比如自动化单元测试或形式化 AST 签名，消除模糊的交接。

→ 动态权限削弱

用严格的任务范围权限替换完整系统访问权限，确保受托子代理只获得完成任务必需的最低工具访问权限，防止困惑代理漏洞。

→ 动态认知摩擦

通过授权子代理质疑错误假设、请求澄清，而非盲目执行投毒指令，打破模型的冷漠区。

→ 可传递问责制与递归验证

在多跳委托链中，编排代理会在释放状态前验证分包商发来的加密里程碑收据，防止多智能体故障级联发生。

→ 假设验证与实验结果

Google DeepMind 假设，可验证的基于合约的委托可以消除多智能体网络中的错误复合。他们在生产级编码集群上的实际验证证实了这一结论：15 步仓库重构任务的完成率从 42.6% 跃升至 88.4%，同时 token 开销暴跌 61.2%。

扩展自主智能体不靠往共享聊天里塞更多 LLM 工作节点。核心优势来自用数学界定权限、隔离上下文，让每一次委托交接都可验证。

点击下方链接阅读完整文章 ↓