SwarmAgentic: Hacia la generación totalmente automatizada de sistemas agenticos mediante inteligencia de enjambre

El rápido progreso de los Modelos de Lenguaje Amplio ha avanzado en los sistemas agenticos en la toma de decisiones, coordinación y ejecución de tareas. Sin embargo, los marcos existentes para la generación de sistemas agenticos carecen de autonomía completa, faltando la generación de agentes desde cero, la autooptimización de la funcionalidad del agente y la colaboración, lo que limita la adaptabilidad y escalabilidad. Proponemos SwarmAgentic, un marco para la generación totalmente automatizada de sistemas agenticos que construye sistemas agenticos desde cero y optimiza conjuntamente la funcionalidad del agente y la colaboración como componentes interdependientes a través de la exploración guiada por lenguaje. Para permitir una búsqueda eficiente sobre estructuras a nivel de sistema, SwarmAgentic mantiene una población de sistemas candidatos y los evoluciona mediante actualizaciones guiadas por retroalimentación, inspirándose en la Optimización por Enjambre de Partículas (PSO). Evaluamos nuestro método en seis tareas del mundo real, abiertas y exploratorias que involucran planificación de alto nivel, coordinación a nivel de sistema y razonamiento creativo. Dada solo la descripción de la tarea y una función objetiva, SwarmAgentic supera todas las líneas base, logrando una mejora relativa de +261.8 % sobre ADAS en el benchmark TravelPlanner, resaltando la efectividad de la automatización completa en tareas estructuralmente no restringidas. Este marco marca un paso significativo hacia el diseño escalable y autónomo de sistemas agenticos, uniendo la inteligencia de enjambre con la generación multiagente totalmente automatizada de sistemas. Nuestro código está públicamente disponible en https://yaoz720.github.io/SwarmAgentic/.