Self-Organized Agents: A LLM Multi-Agent Framework toward Ultra Large-Scale Code Generation and Optimization

最近，利用大型语言模型（LLM）代理自动生成代码的技术取得了重大进展，让我们更接近自动化软件开发的未来。然而，现有的单一代理方法由于上下文长度的限制，在生成和改进大规模复杂代码库方面存在局限性。为了解决这个挑战，我们提出了自组织多代理框架（SoA），这是一个新颖的多代理框架，可以实现大规模代码的可扩展和高效生成和优化。在SoA中，自组织代理独立运作，生成和修改代码组件，同时无缝协作构建整个代码库。我们框架的一个关键特点是基于问题复杂度自动增加代理，从而实现动态可扩展性。这使得随着代理数量的增加，整体代码量可以无限增加，而每个代理管理的代码量保持不变。我们在HumanEval基准测试上评估了SoA，并证明与单一代理系统相比，SoA中的每个代理处理的代码量显著减少，但生成的整体代码量大大增加。此外，SoA在Pass@1准确性方面超过了强大的单一代理基线5%。

论文提出了一个名为Self-Organized multi-Agent framework (SoA)的多智能体框架，旨在解决单一智能体在生成和优化大规模复杂代码库时遇到的上下文长度限制问题。

SoA框架中的自组织智能体独立运作，生成和修改代码组件，并无缝协作构建整个代码库。该框架的一个关键特点是基于问题复杂度自动增加智能体数量，实现动态可扩展性。

研究人员在HumanEval基准测试上评估了SoA框架，并证明相比单一智能体系统，SoA框架中的每个智能体处理的代码量显著较少，但生成的整体代码量显著更大。此外，SoA框架在Pass@1准确率方面超过了强大的单一智能体基线5%。

最近的相关研究包括使用大型语言模型代理进行自动代码生成的研究，以及使用多智能体框架解决各种问题的研究。