Holos: A Web-Scale LLM-Based Multi-Agent System for the Agentic Web

📄 arXiv: 2604.02334 📥 PDF

作者: Xiaohang Nie, Zihan Guo, Zicai Cui, Jiachi Yang, Zeyi Chen, Leheyi De, Yu Zhang, Junwei Liao, Bo Huang, Yingxuan Yang, Zhi Han, Zimian Peng, Linyao Chen, Wenzheng Tom Tang, Zongkai Liu, Tao Zhou, Botao Amber Hu, Shuyang Tang, Jianghao Lin, Weiwen Liu, Muning Wen, Yuanjian Zhou, Weinan Zhang

分类: cs.AI, cs.MA

发布日期: 2026-04-06

💡 一句话要点

Holos：一个基于Web规模LLM的多智能体系统，旨在构建Agentic Web。

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 多智能体系统 大型语言模型 Agentic Web 生态系统 自组织

📋 核心要点

  1. 现有基于LLM的多智能体系统在开放世界中面临扩展性、协调性和价值维持等挑战。
  2. Holos通过五层架构，利用Nuwa引擎、市场驱动的Orchestrator和内生价值循环来构建持久的智能体生态系统。
  3. Holos旨在弥合微观协作和宏观涌现之间的差距，为下一代自组织和持续进化的Agentic Web奠定基础。

📝 摘要（中文）

随着大型语言模型（LLM）驱动的智能体从孤立的任务解决者转变为持久的数字实体，Agentic Web的出现标志着向通用人工智能（AGI）的关键转变，Agentic Web是一个异构智能体自主交互和共同进化的生态系统。然而，基于LLM的多智能体系统（LaMAS）受到开放世界问题的阻碍，如扩展摩擦、协调崩溃和价值耗散。为了应对这些挑战，我们推出了Holos，这是一个为长期生态持久性而设计的Web规模LaMAS。Holos采用五层架构，其核心模块主要包括用于高效智能体生成和托管的Nuwa引擎、用于弹性协调的市场驱动的Orchestrator以及用于实现激励相容的内生价值循环。通过弥合微观层面协作和宏观层面涌现之间的差距，Holos希望为下一代自组织和持续进化的Agentic Web奠定基础。我们已经公开发布了Holos（可通过此URL访问），为社区提供资源，并为大规模智能体生态系统的未来研究提供试验平台。

🔬 方法详解

问题定义：现有基于LLM的多智能体系统（LaMAS）在开放世界中面临诸多挑战。具体来说，随着智能体数量的增加，系统面临扩展性问题（scaling friction），难以维持高效的性能。此外，智能体之间的协调容易崩溃（coordination breakdown），导致任务完成效率低下。最后，价值容易耗散（value dissipation），缺乏有效的激励机制来鼓励智能体的长期参与和贡献。这些问题阻碍了LaMAS向更复杂的Agentic Web的演进。

核心思路：Holos的核心思路是构建一个具有长期生态持久性的Web规模LaMAS。为了实现这一目标，Holos采用了分层架构，并引入了市场机制和内生价值循环。通过Nuwa引擎实现高效的智能体生成和托管，降低了扩展的成本。市场驱动的Orchestrator负责智能体之间的协调，提高了系统的鲁棒性。内生价值循环则为智能体提供了持续的激励，鼓励其长期参与和贡献。

技术框架：Holos采用五层架构，包括：(1) 底层基础设施层，提供计算和存储资源；(2) 智能体生成层，使用Nuwa引擎高效生成和托管智能体；(3) 协调层，通过市场驱动的Orchestrator实现智能体之间的协调；(4) 价值循环层，建立内生价值循环，激励智能体的参与和贡献；(5) 应用层，提供各种应用场景，例如信息检索、任务协作等。

关键创新：Holos的关键创新在于其整体架构设计，特别是市场驱动的Orchestrator和内生价值循环。市场驱动的Orchestrator允许智能体通过竞标的方式获取任务，从而实现高效的资源分配和协调。内生价值循环则通过奖励智能体的贡献来激励其长期参与，从而维持系统的活力。与传统的集中式协调方法相比，Holos的分布式协调机制更具鲁棒性和可扩展性。

关键设计：Nuwa引擎的具体实现细节未知，但其目标是实现高效的智能体生成和托管。Orchestrator的具体市场机制（例如拍卖类型、定价策略等）未知。内生价值循环的具体奖励机制（例如奖励函数、奖励分配策略等）未知。这些细节将直接影响Holos的性能和稳定性，需要在实际部署中进行仔细调整和优化。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

论文提出了Holos架构，但摘要中没有提供具体的实验结果或性能数据。虽然提到公开发布了Holos，但缺乏与现有LaMAS的定量比较，因此无法评估Holos在性能上的提升幅度。未来的研究需要提供更详细的实验结果，以验证Holos的有效性。

🎯 应用场景

Holos具有广泛的应用前景，可以应用于信息检索、任务协作、内容创作、智能客服等领域。通过构建一个自组织和持续进化的Agentic Web，Holos有望推动人工智能技术的进步，并为人类社会带来更大的价值。例如，在科研领域，可以利用Holos构建一个智能科研助手，帮助研究人员进行文献检索、数据分析和实验设计。

📄 摘要（原文）

As large language models (LLM)-driven agents transition from isolated task solvers to persistent digital entities, the emergence of the Agentic Web, an ecosystem where heterogeneous agents autonomously interact and co-evolve, marks a pivotal shift toward Artificial General Intelligence (AGI). However, LLM-based multi-agent systems (LaMAS) are hindered by open-world issues such as scaling friction, coordination breakdown, and value dissipation. To address these challenges, we introduce Holos, a web-scale LaMAS architected for long-term ecological persistence. Holos adopts a five-layer architecture, with core modules primarily featuring the Nuwa engine for high-efficiency agent generation and hosting, a market-driven Orchestrator for resilient coordination, and an endogenous value cycle to achieve incentive compatibility. By bridging the gap between micro-level collaboration and macro-scale emergence, Holos hopes to lay the foundation for the next generation of the self-organizing and continuously evolving Agentic Web. We have publicly released Holos (accessible atthis https URL), providing a resource for the community and a testbed for future research in large-scale agentic ecosystems.