XAgents: Multi-Agenten-Framework mit IF-THEN-Regeln optimiert Aufgabenplanung

Die rasante Entwicklung von Large Language Models (LLMs) hat die Leistungsfähigkeit von Multi-Agenten-Systemen (MAS) erheblich gesteigert. Dennoch bleiben die Systeme bei der Planung komplexer Aufgaben mit Unsicherheiten oft hinter den Erwartungen zurück, was zu fehlerhaften oder irreführenden Ergebnissen führen kann.

Um diese Schwächen zu überwinden, präsentiert die Forschungsgruppe XAgents ein einheitliches Kooperationsframework, das auf einem multipolaren Aufgabenverarbeitungsgraphen und IF-THEN-Regeln basiert. Der Graph ermöglicht eine dynamische Aufgabenplanung, während die IF-THEN-Regeln sowohl auf Domänenebene als auch global die Agentenverhalten steuern und die Zusammenarbeit verbessern.

In umfangreichen Tests auf drei unterschiedlichen Datensätzen hat XAgents die Leistung von führenden Einzel- und Multi-Agenten-Ansätzen in wissensbasierten und logikbasierten Frage‑Antwortaufgaben übertroffen. Der Quellcode ist öffentlich zugänglich unter https://github.com/AGI-FHBC/XAgents.