EvoAgent: Towards Automatic Multi-Agent Generation via Evolutionary Algorithms

强大的大型语言模型的崛起引发了一种新趋势，即构建基于LLM的自主代理以解决复杂任务，特别是多代理系统。尽管取得了显著进展，但我们注意到现有的工作严重依赖于人类设计的框架，这极大地限制了代理系统的功能范围和可扩展性。如何自动将专业代理扩展到多代理系统以提高任务解决能力仍然是一个重大挑战。在本文中，我们介绍了EvoAgent，一种通过进化算法自动将专家代理扩展到多代理系统的通用方法，从而提高LLM代理在解决任务方面的效果。具体而言，我们将现有的代理框架视为初始个体，然后应用一系列进化运算符（例如变异、交叉、选择等）生成具有不同代理设置的多个代理。EvoAgent可以推广到任何基于LLM的代理框架，并且可以自动将现有的代理框架扩展到多代理系统，无需任何额外的人类设计。在各种任务中进行的实验结果表明，EvoAgent可以自动生成多个专家代理，并显著提高LLM代理的任务解决能力。

自动扩展专家代理到多代理系统以提高LLM代理的任务解决能力的问题。

使用进化算法自动生成多个代理，从而将现有的专家代理框架自动扩展到多代理系统，以提高LLM代理的任务解决能力。

EvoAgent是一种通用方法，可以自动将专家代理扩展到多代理系统，而无需任何额外的人类设计。实验结果表明，EvoAgent可以自动生成多个专家代理，并显著提高LLM代理的任务解决能力。

最近的相关研究包括使用LLM的自主代理的构建，以及使用进化算法来生成多个代理的方法。