AgentPrune – 同濟聯合港中文等機構推出的多智能體通信優化框架

AgentPrune是一種創新的通信優化框架，專為大型語言模型（LLM）驅動的多智能體系統設計，由同濟大學和香港中文大學等研究機構聯合開發。通過采用“剪枝”技術，AgentPrune有效剔除了冗余和潛在有害的通信內容，從而降低了通信成本并提升了系統性能。

AgentPrune是什么

AgentPrune是一個高效的多智能體通信優化框架，旨在處理大型語言模型（LLM）驅動的系統。該框架通過“剪枝”技術，去除多余和有害的通信內容，從而降低通信成本并提升整體系統性能。AgentPrune將多智能體系統建模為時空圖，利用低秩稀疏圖掩碼來優化通信連接，經過一次性剪枝生成高效的通信拓撲。在多個基準測試中，AgentPrune以僅5.6%的成本實現了與傳統方法相當的性能，并可無縫集成至現有多智能體框架，如AutoGen和GPTSwarm，實現28.1%至72.8%的Token減少。

AgentPrune的主要功能

• 通信冗余識別與剪枝：AgentPrune首次定義并識別LLM多智能體系統中的通信冗余，通過一次性剪枝技術有效剔除不必要的通信內容。
• 時空圖建模與優化：將多智能體系統建模為時空圖，包含空間邊（同一輪對話中的通信）和時間邊（跨輪對話中的通信），通過參數化圖掩碼進行優化。
• 低秩稀疏圖掩碼應用：利用低秩稀疏圖掩碼，使通信結構更加稀疏，減少冗余和噪聲，并增強對網絡攻擊的抵抗力。
• 成本與性能優化：在多個基準測試中，AgentPrune以更低的成本（僅需$5.6），達到與現有最先進拓撲相當的效果，并能無縫集成到現有多智能體框架中，實現28.1%到72.8%的Token減少。
• 對抗攻擊防御：AgentPrune能夠有效防御兩種類型的智能體對抗攻擊，帶來3.5%至10.8%的性能提升。

AgentPrune的技術原理

• 時空圖建模：AgentPrune將多智能體系統的通信結構建模為時空圖，節點代表智能體，邊表示通信連接，分為空間邊和時間邊。
• 參數化圖掩碼：通過參數化圖掩碼優化通信連接，圖掩碼的目標是反映通信連接的重要性，使用策略梯度方法最大化系統效用并最小化通信冗余。
• 一次性剪枝：在訓練初期，AgentPrune對圖掩碼進行有限次優化，然后通過一次性剪枝保留重要連接，生成稀疏的通信圖。
• 優化后的通信圖：在后續通信中，多智能體系統將嚴格遵循優化后的通信圖進行消息傳遞，降低通信成本，同時保持高效的性能。

AgentPrune的項目地址

• Github倉庫：https://github.com/yanweiyue/AgentPrune
• arXiv技術論文：https://arxiv.org/pdf/2410.02506

AgentPrune的應用場景

• 多智能體系統優化：AgentPrune能夠無縫集成到現有多智能體框架，如AutoGen和GPTSwarm，顯著降低通信成本并保持或提升系統性能。
• 經濟高效的通信拓撲：通過一次性剪枝技術，AgentPrune生成稀疏的通信拓撲，顯著減少Token消耗。
• 復雜任務協作：適用于多個智能體協作完成的復雜任務，如數學推理、代碼生成和常識問答等，優化通信結構提高任務完成效率并降低成本。
• 工業和企業級應用：在工業自動化和企業級應用中，AgentPrune能夠優化智能體之間的通信，減少資源浪費并提升系統整體效率。

常見問題

• AgentPrune的主要優勢是什么？：AgentPrune的主要優勢在于其高效的通信冗余識別與剪枝能力，顯著降低了通信成本，同時提升了系統性能。
• 如何集成AgentPrune到現有系統中？：AgentPrune能夠無縫集成到現有的多智能體框架中，如AutoGen和GPTSwarm，具體集成步驟可參考官方文檔。
• AgentPrune適用于哪些類型的任務？：AgentPrune特別適合需要多個智能體協作完成的復雜任務，包括但不限于數學推理、代碼生成和常識問答。