11 月 16 日,一组作者在 arXiv 提交 ConvRSI,把多智能体系统的自改进从一轮接一轮递归,改成一次卷积并行。作者称在 MATH-500 上相对 RecursiveMAS 提升 5.04 个百分点,推理成本降 17.27%,端到端时延降 45.11%,代码与数据集已放到 GitHub。
论文点出的麻烦有两处。串行依赖让误差沿轮次向上传,后面几轮在带偏的前提上继续修;逐轮把中间消息解码出来再重新编码,开销随轮数线性上涨。ConvRSI 把改进拆成两层,智能体内部的卷积联合调整相关特征,智能体之间按协作拓扑聚合消息,两步都在隐空间完成,不反复解码重编码。
协作形态用邻接矩阵表示,星型、链式、全连通可以喂进同一套算子,不必为每种拓扑改代码,这也是它敢谈并行的前提。对照基线是 RecursiveMAS,实验只在 MATH-500 上做,指标是准确率、推理成本与端到端时延三项。
边界清楚。单基准、数学推理,代码生成、工具调用与长程任务没有覆盖;5.04 个百分点是相对同期基线,不是相对单智能体;隐空间聚合的可解释性与跨模型迁移没讨论。训练算力、数据规模与参与对比的模型清单,论文摘要层面均未给出。