Symphony: A Decentralized Multi-Agent Framework for Scalable Collective Intelligence

📄 arXiv: 2508.20019v1 📥 PDF

作者: Ji Wang, Kashing Chen, Xinyuan Song, Ke Zhang, Lynn Ai, Eric Yang, Bill Shi

分类: cs.LG, cs.AI, cs.CL, cs.MA

发布日期: 2025-08-27

💡 一句话要点

提出Symphony以解决集中式多代理系统的局限性

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

关键词: 去中心化 多代理系统 大型语言模型 动态任务分配 链式思维 隐私保护 可扩展性

📋 核心要点

  1. 现有的集中式多代理系统在部署成本和适应性方面存在显著不足，限制了其应用范围。
  2. Symphony通过去中心化的设计，利用轻量级LLM在消费级GPU上实现高效协调，提升了系统的灵活性和可扩展性。
  3. 实验结果表明，Symphony在推理基准测试中显著超越了现有方法，准确性提升明显，且在不同模型中表现出良好的鲁棒性。

📝 摘要（中文）

现有的基于大型语言模型（LLM）的代理框架大多依赖于集中式协调，这导致了高昂的部署成本、僵化的通信拓扑和有限的适应性。为了解决这些挑战，本文提出了Symphony，一个去中心化的多代理系统，使轻量级LLM能够在消费级GPU上进行协调。Symphony引入了三个关键机制：去中心化的能力记录账本、动态任务分配的信标选择协议，以及基于链式思维的加权结果投票。这一设计形成了一个节省隐私、可扩展且容错的低开销协调机制。实验证明，Symphony在推理基准测试中超越了现有基线，取得了显著的准确性提升，并在不同能力模型中表现出鲁棒性。

🔬 方法详解

问题定义：现有的集中式多代理系统在资源利用和适应性方面存在瓶颈，导致高成本和低效率。

核心思路：Symphony通过去中心化的机制，允许轻量级LLM在消费级硬件上进行高效的协作，从而降低了系统的复杂性和成本。

技术框架：Symphony的架构包括三个主要模块：去中心化的能力记录账本、信标选择协议用于动态任务分配，以及基于链式思维的加权结果投票机制。

关键创新：Symphony的核心创新在于去中心化的设计理念，打破了传统集中式系统的局限，使得多个代理能够独立而高效地协作。

关键设计：在设计中，Symphony采用了去中心化账本来记录代理的能力，信标选择协议动态分配任务，并通过加权投票机制提高结果的准确性和可靠性。具体的参数设置和网络结构细节在实验部分进行了详细描述。

📊 实验亮点

在推理基准测试中，Symphony的性能显著优于现有基线，准确性提升幅度达到XX%（具体数据未知），并且在不同能力模型中展现出良好的鲁棒性，证明了其设计的有效性和适用性。

🎯 应用场景

Symphony的去中心化多代理框架具有广泛的应用潜力，尤其适用于需要高效协调和灵活适应的场景，如智能家居、自动驾驶和分布式计算等领域。其设计理念能够推动多代理系统在资源受限环境中的应用，提升系统的整体性能和可扩展性。

📄 摘要（原文）

Most existing Large Language Model (LLM)-based agent frameworks rely on centralized orchestration, incurring high deployment costs, rigid communication topologies, and limited adaptability. To address these challenges, we introduce Symphony, a decentralized multi-agent system which enables lightweight LLMs on consumer-grade GPUs to coordinate. Symphony introduces three key mechanisms: (1) a decentralized ledger that records capabilities, (2) a Beacon-selection protocol for dynamic task allocation, and (3) weighted result voting based on CoTs. This design forms a privacy-saving, scalable, and fault-tolerant orchestration with low overhead. Empirically, Symphony outperforms existing baselines on reasoning benchmarks, achieving substantial accuracy gains and demonstrating robustness across models of varying capacities.