Multi-Agent LLMs Fail to Explore Each Other

论文解决了什么问题

多智能体 LLM 系统依赖智能体自主协作完成复杂任务，但现有模型在交互中普遍存在探索不足的问题。实验表明，即使是 GPT-4、GPT-5 等前沿模型，也倾向于在前几轮就过早锁定某个伙伴，导致次优协调和累积遗憾增加。这一失败模式并非能力不足，而是当前 LLM 智能体的结构性缺陷，亟需显式引导的探索机制。

核心方法

本文提出 MACE（Multi-Agent Contextual Exploration）框架，将多智能体探索问题建模为部分可观测随机博弈，并分解为独立的上下文赌博机决策。MACE 通过设计响应多样性、伙伴独特性、历史表现和交互轮次等结构化特征，编码智能体间的关系结构。结合 LinUCB 算法，MACE 在特征空间而非原始选择计数上计算不确定性奖励，实现细粒度的探索激励。

实验结论

• MACE 在 HotpotQA、Math500 和 GPQA 任务上显著优于基线，累积遗憾达到 O(√T log T)，而贪婪策略为 Ω(δT)。
• 理论证明探索收益随智能体多样性增加而无限增长，验证了探索在异构多智能体系统中的核心价值。

适合谁阅读