Transforming Competition into Collaboration: The Revolutionary Role of Multi-Agent Systems and Language Models in Modern Organizations

本文探讨了基于多智能体系统理论（SMA）和大型语言模型（LLM）的计算实体的动态影响，这些实体具有模拟复杂人际互动的能力，可能从使用专门的人工智能代理支持操作性组织流程到基于应用知识和人类协同决策的战略决策，从而彻底改变人类用户互动。以前的研究表明，人工智能代理的自主方法存在局限性，特别是在处理新挑战和实用任务（如引导逻辑推理和解决问题）时。同时，传统的技术，如思维链的刺激，需要明确的人类指导。在我们的方法中，我们使用基于大型语言模型（LLM）开发的代理，每个代理都具有考虑行为元素的不同原型，由激发基于场景（角色扮演）的使用案例中的知识生成的策略驱动，使用代理之间的讨论方法（引导对话）。我们展示了开发有用于组织战略的代理的潜力，这些代理基于多智能体系统理论（SMA）和基于大型语言模型（LLM based）的创新用途，为不同应用、复杂性、领域和LLM的能力提供了差异化和可适应的实验。

论文旨在探讨基于多智能体系统理论（SMA）和大型语言模型（LLM）的计算实体的动态影响，以革新人类用户交互方式，从专门的人工智能代理支持操作性组织流程到基于应用知识和人类协作的战略决策。具体而言，论文试图解决自主人工智能代理的局限性，尤其是在处理诸如诱导逻辑推理和问题解决等新挑战和实用任务时的局限性。

论文的关键思路是使用基于大型语言模型的代理，每个代理都具有不同的原型，考虑行为元素，由驱动知识生成的策略驱动，基于场景（角色扮演）业务中提出的用例，使用代理之间的讨论方法（引导对话）来刺激知识生成。

论文通过使用基于大型语言模型的代理，展示了开发用于组织策略的代理的潜力，提供了一个不同的和可适应的实验，适用于不同的应用、复杂性、领域和LLM的能力。论文还设计了实验，使用了哪些数据集，但没有提到是否开源代码。

最近在这个领域中，还有一些相关研究，如《Multi-Agent Systems: A Survey》、《A Survey of Multi-Agent Systems Engineering》等。