Local Work, Global Progress: A Convergence Theory of AI Agent Collaboration
作者: Ivan Ilin, Peter Richtárik
分类: cs.MA, cs.AI, cs.LG, math.OC
发布日期: 2026-10-20
备注: 59 pages, 15 figures, 28 tables. Code: https://github.com/vectozavr/local-work-global-progress
💡 一句话要点
提出基于块优化的AI代理协作理论以提升任务效率
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: AI代理 协作理论 块优化 路径规划 多代理系统
📋 核心要点
- 现有的AI代理协作方法主要依赖经验设计，缺乏理论基础和收敛性保证，导致效率低下。
- 本文提出将协作问题视为块优化，通过局部目标和修正影响来引导代理的改进，确保全局目标的实现。
- 实验结果显示，三代理团队在路径规划中表现优于单一代理，六代理团队的搜索速度提高约两倍，且合并提案显著缩短搜索时间。
📝 摘要（中文）
随着大型语言模型（LLM）代理在复杂任务中的应用日益增多，其协作协议大多是经验性设计，缺乏收敛保证。本文将协作问题形式化为块优化：每个代理改善共享解决方案的一部分，依据其局部目标和对其他部分影响的修正。协调者检查每个提案是否符合全局目标，并合并不相互干扰的提案。我们证明了线性收敛性，误差底线在修正精确时消失。实验表明，三代理团队在机器人路径规划中每次运行均能找到无碰撞方案，且效率优于单一代理。更大规模的任务中，六代理团队的搜索速度约为单一代理的两倍。通过合并最佳检查组合的提案，团队搜索时间减少约30%。
🔬 方法详解
问题定义：本文旨在解决AI代理在协作任务中缺乏理论支持和收敛保证的问题。现有方法往往依赖经验设计，导致效率低下和结果不稳定。
核心思路：论文提出将协作问题形式化为块优化，每个代理在局部目标的指导下进行改进，同时考虑其对全局目标的影响，通过协调者进行提案的检查和合并。
技术框架：整体架构包括多个代理，各自优化共享解决方案的不同部分，协调者负责检查提案的全局一致性，并合并不干扰的提案。整个过程分为提案生成、检查和合并三个主要阶段。
关键创新：最重要的创新在于提出了基于块优化的协作框架，确保了线性收敛性，并在修正精确时消除了误差底线。这与传统方法的经验性设计形成鲜明对比。
关键设计：在设计中，代理的局部目标和修正影响是关键参数，损失函数考虑了全局目标的影响，确保提案的有效合并。
🖼️ 关键图片
📊 实验亮点
实验结果显示，三代理团队在机器人路径规划中每次均能找到无碰撞方案，且效率优于单一代理。六代理团队在更大规模的任务中搜索速度约为单一代理的两倍，合并最佳提案组合后，搜索时间减少约30%。
🎯 应用场景
该研究的潜在应用领域包括多代理系统的协作任务，如机器人路径规划、智能交通管理和分布式计算等。通过理论支持的协作框架，能够显著提升多代理系统的效率和可靠性，具有广泛的实际价值和未来影响。
📄 摘要（原文）
Teams of large language model (LLM) agents are increasingly applied to complex tasks, but their collaboration protocols are mostly designed empirically, without convergence guarantees. We formalize collaborative problem solving as block optimization: each agent improves one part of a shared solution, guided by its local objective plus a correction for how its changes affect the other parts. A coordinator checks every proposal against the global objective and merges proposals that do not interfere with each other. We prove linear convergence up to an error floor that vanishes when the corrections are exact. Interfering proposals can also be merged once their combination has been checked; the rate then depends on how well the proposals actually combine, not on worst-case interactions. With GPT-OSS-120B agents on robot routing, a three-agent team finds collision-free plans in every run, better than those of a single agent that controls all robots. On a larger routing task, a six-agent team completes its search about twice as fast as the single agent (in median). Merging the best checked combination of proposals, rather than only proposals that do not interfere, cuts the team's search time by about 30%. With constants measured on the runs, our convergence bound holds in every round and follows the observed progress. We also test the theory on query planning in SQLite and on a synthetic task.