EvoAgent: Hacia la generación automática de sistemas multiagente mediante algoritmos evolutivos

El auge de poderosos modelos de lenguaje grande (LLMs) ha impulsado una nueva tendencia en la construcción de agentes autónomos basados en LLM para resolver tareas complejas, especialmente sistemas multiagente. A pesar del progreso notable, observamos que los trabajos existentes dependen en gran medida de marcos diseñados por humanos, lo que limita considerablemente el alcance funcional y la escalabilidad de los sistemas de agentes. Cómo extender automáticamente el agente especializado a sistemas multiagente para mejorar la capacidad de resolución de tareas sigue siendo un desafío importante. En este artículo, presentamos EvoAgent, un método genérico para extender automáticamente agentes expertos a sistemas multiagente mediante algoritmos evolutivos, mejorando así la efectividad de agentes basados en LLM para resolver tareas. Específicamente, consideramos los marcos de agentes existentes como el individuo inicial y luego aplicamos una serie de operadores evolutivos (p. ej., mutación, cruce, selección, etc.) para generar múltiples agentes con configuraciones diversas. EvoAgent puede generalizarse a cualquier marco de agente basado en LLM y puede extender automáticamente el marco existente a sistemas multiagente sin diseños humanos adicionales. Los resultados experimentales en diversas tareas han demostrado que EvoAgent puede generar automáticamente múltiples agentes expertos y mejorar significativamente las capacidades para resolver tareas de agentes basados en LLM.