S-Agents: Self-organizing Agents in Open-ended Environments

利用大型语言模型（LLMs），自主代理人的能力显著提高，能够处理各种任务。在开放式环境中，为了提高效率和效果，优化协作需要灵活调整。尽管如此，当前的研究主要强调固定的、面向任务的工作流程，忽视了代理人中心的组织结构。受人类组织行为的启发，我们引入了一个自组织代理系统（S-Agents），采用“代理树”结构进行动态工作流程、采用“沙漏代理架构”平衡信息优先级、采用“非阻塞协作”方法允许代理之间异步执行任务。这种结构可以在没有人类干预的情况下自主协调一组代理，有效地解决开放和动态环境的挑战。我们的实验表明，S-Agents能够熟练地执行Minecraft环境中的协作建设任务和资源收集任务，验证了它们的有效性。

介绍一种自组织代理系统（S-Agents），旨在解决开放动态环境下的协作问题。

引入了“代理树”结构、“沙漏代理体系结构”和“非阻塞协作”方法，实现了代理之间的自主协调和任务执行。

使用S-Agents在Minecraft环境中进行协作建筑和资源收集任务的实验，验证了其有效性。

最近的相关研究包括《基于多智能体的协同深度强化学习》、《分层多智能体强化学习：成功与失败》等。