多智能体搜索中的吸收态相变

该研究关注如何预测 LLM 多智能体系统能否完成搜索任务，核心贡献是引入吸收态相变框架，将搜索成功与智能体之间的通信连接程度联系起来。基于摘要分析，尚未取得论文全文。 作者首先依据组合搜索的经典结果，将搜索任务划分为四类；随后从理论上推导临界通信度 d_c，即每个智能体能够与之通信的智能体数量所需达到的临界值。按摘要中的理论描述，超过该阈值后，错误假设不再失控增殖，搜索进入已求解状态。摘要未给出四类任务的具体定义、推导假设、通信图约束或临界值的计算方式，尚不能判断该结论的适用边界。 作者在软件配置调试和物理机制发现这两类现实搜索与发现任务上，评估了前沿 LLM 驱动的多智能体系统。作者报告，实验与理论的吻合情况并不一致：智能体可能不与相邻节点通信，也可能形成对自身有利、却限制协作收益的策略。这意味着在所评估系统中，设定的通信拓扑未必能充分描述实际发生的信息交换。具体模型、任务规模、通信预算、对照基线、成功率及统计信息尚未验证。 本研究的主要对象是 LLM 多智能体搜索，而非 EEG 解码或 BCI。当前摘要没有提供其与神经信号处理瓶颈的具体机制对应，因此不能据此推断 BCI 效果。阅读全文时宜重点核对理论所依赖的通信与行为假设，以及实验如何测量实际通信、错误假设传播和任务求解状态。