Resumen: Los agentes de modelos de lenguaje grande (LLM) han demostrado notables habilidades de razonamiento. Sin embargo, los marcos multiagente existentes a menudo dependen de roles fijos o control centralizado, lo que limita la escalabilidad y adaptabilidad en el razonamiento a largo plazo. Presentamos SwarmSys, un marco de circuito cerrado para el razonamiento distribuido de múltiples agentes inspirado en la inteligencia de enjambre. La coordinación en SwarmSys surge a través de interacciones iterativas entre tres roles especializados, exploradores, trabajadores y validadores, que realizan ciclos continuos de exploración, explotación y validación. Para permitir una colaboración escalable y adaptable, integramos perfiles adaptables de agentes y eventos, coincidencias probabilísticas basadas en incrustaciones y un mecanismo de refuerzo inspirado en feromonas, lo que respalda la asignación dinámica de tareas y la convergencia autoorganizada sin supervisión global. En tareas de razonamiento simbólico, síntesis de investigación y programación científica, SwarmSys supera consistentemente las líneas de base, mejorando tanto la precisión como la estabilidad del razonamiento. Estos hallazgos destacan la coordinación inspirada en enjambres como un paradigma prometedor para un razonamiento multiagente escalable, robusto y adaptativo, lo que sugiere que la escala de la coordinación puede rivalizar con la escala del modelo en el avance de la inteligencia LLM.
Publicado originalmente en export.arxiv.org el 13 de octubre de 2025.
Ver fuente original
