独木不成林，但“人多嘴杂”也未必是好事！随着基于大型语言模型（LLM）的多智能体系统逐渐成为解决复杂问题的主流方案，一个令人头疼的问题也随之而来：多智能体之间的通信冗余。想象一下，一个团队里每个人都想发言，但大部分内容其实毫无意义，不仅浪费时间，还增加了沟通成本。

好消息是，这个问题终于有了解决方案！

由同济大学、香港中文大学、北卡罗来纳大学等机构联合提出的 AgentPrune，首次通过**“多智能体剪枝”技术**，为多智能体系统量身打造了一种经济高效、简洁强大的通信框架。不仅能大幅降低通信开销，还能提升系统的鲁棒性和任务完成效率。论文现已经被 ICLR 2025 接收。

相关论文

论文标题：

Cut the Crap: An Economical Communication Pipeline for LLM-based Multi-Agent Systems

作者单位：

\1. 同济大学 2.香港中文大学 3.北卡教堂山分校 4.武汉大学 5. 南洋理工大学 6. 上海人工智能实验室

论文链接：

https://openreview.net/forum?id=LkzuPorQ5L

代码链接：

https://github.com/yanweiyue/AgentPrune

背景介绍

基于大模型的多智能体系统（LLM-based Multi-agent System, LLM-MAS）通过团队协作解决复杂问题的潜力毋庸置疑，但现有的通信机制却存在一个致命问题：通信冗余。

简单来说，就是智能体之间的大部分通信内容对任务解决毫无帮助，反而导致了巨大的经济成本和计算开销。

举个例子：

• 一个简单的数学问题（举个极端一点的例子，“1+1=?”），可能只需要两个智能体的一轮轮对话就能解决，但现有系统（譬如 LLM-Debate，DyLAN）却让所有智能体（5-10 个）都参与讨论，导致通信量暴增、Token 消耗量巨大。
• 更糟糕的是，这种冗余通信还可能被恶意利用，成为对抗性攻击的突破口。

为了解决这一问题，AgentPrune 提出了一个创新的解决方案：通过“剪枝”技术，直接剔除那些冗余甚至有害的通信内容，只保留最关键的交流。具体来说，本文首先进行了一个前瞻实验，在 LLM-Debate 框架上进行随机剪枝，实验结果如下：

可以看到，即使是随机剪枝，在较低细稀疏度的时候也不会造成性能下降，相反还能带来性能增益！这让我们开始思考：是否主流的多智能体系统中都存在通讯的冗余现象呢？

为了解决这样的挑战，本文首先形式化地定义了多智能体的通讯冗余问题：对于任意基于大语言模型的多智能体通信图 ，下列条件恒成立：

此处 表示衡量系统求解质量的效用函数。通信拓扑中的冗余成分 ，被定义为 LLM-MAS 系统中的通信冗余。

时空图视角下的 LLM-MAS

本文首创地将多智能体系统建模为一个时空图 ，其中：

• 是节点集合，每个节点 表示一个智能体，包含其语言模型实例（Base）、角色（Role）、状态（State）和插件（Plugins）。

• 是边集合，分为两类：

• • *空间边（Intra-dialogue edges）*：表示同一轮对话中智能体之间的通信。
  • *时间边（Inter-dialogue edges）*：表示跨轮对话中智能体之间的通信。

智能体的时空邻居分别被定义为 和 。

为了确保智能体之间的通信有序进行，AgentPrune 强制空间通信图 为一个有向无环图（DAG）。通过拓扑排序，系统能够按照依赖关系依次处理每个智能体的输出，避免通信混乱。

在每轮对话中，智能体 的输出 由以下因素决定：

其中，智能体的输出依赖于查询 、角色、状态以及来自时间和空间邻居的消息。

本文为主流的 LLM-MAS 的执行逻辑提供如下的通用描述：

AgentPrune

4.1 通讯图优化

AgentPrune 的核心思想是将多智能体系统的通信结构建模为一个时空图，并通过可训练的图掩码来优化通信连接。具体来说，AgentPrune 将原始的二值通信图（表示是否存在通信连接）转换为参数化图掩码：

参数化图掩码通过如下目标训练：

优化目标具体分为下述两部分：

• 分布近似：确保图掩码能够准确反映通信连接的重要性。通过策略梯度方法，AgentPrune 能够最大化系统的效用，同时最小化通信冗余。
• 低秩稀疏性：通过低秩约束，AgentPrune 促使通信结构更加稀疏，从而剔除冗余、噪声甚至恶意消息。研究表明，低秩图结构对网络攻击具有更强的鲁棒性。

4.2 一次性剪枝

AgentPrune 在训练初期对图掩码进行有限次优化，然后通过一次性剪枝剔除不重要的通信连接。具体来说，AgentPrune 根据图掩码的大小选择保留一定比例的最重要连接，从而生成一个稀疏的通信图：

在后续的通信过程中，多智能体系统将严格遵循这个优化后的通信图进行消息传递，从而显著降低通信成本，同时保持高效的性能。

AgentPrune 的框架图如下所示：

实验分析

5.1 性能分析

本文首先将 AgentPrune 与简单的 LLM-MAS 拓扑进行结合，包括随机图，完全图，层次图等，在 MMLU、GSM8K、HumanEval 等 benchmark 上与 16 个 baseline 进行充分的比较：

可以看到在多个 benchmark 上 AgentPrune-C （即 AgentPrune 与完全图结构结合）都获得了最优或次优的性能。

5.2 即插即用

考虑到 AgentPrune 作为一个即插即用的插件，我们将 AgentPrune 与两个主流的 LLM-MAS：GPTSwarm [1] 以及 AutoGen [2] 进行结合：

• 在 MMLU 数据集上，AgentPrune 仅需 的成本，就能达到传统方法 的性能水平。
• 在 HumanEval 代码生成任务中，AgentPrune 将提示词成本降低到 64%，同时性能提升了 1.24%。
• 在 GSM8K 数学推理任务中，AgentPrune 将提示词 token 降低了 60% 以上，性能提升了 2.79%。

5.3 案例展示

我们对于 AgentPrune 对于时间通讯和空间通讯的可视化如下：

我们对于参数化图掩码的训练动态可视化如下，可以观察到，随着迭代进行，参数化时空图快速收敛至稳定：

如何学习AI大模型 ？

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

👉1.大模型入门学习思维导图👈

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程文末领取哈）

👉2.AGI大模型配套视频👈

很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。

👉3.大模型实际应用报告合集👈

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。（全套教程文末领取哈）

👉4.大模型落地应用案例PPT👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。（全套教程文末领取哈）

👉5.大模型经典学习电子书👈

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（全套教程文末领取哈）

👉6.大模型面试题&答案👈

截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（全套教程文末领取哈）

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）