Comunicación para la Finalización: Modelado de Flujos de Trabajo Colaborativos con Comunicación Inteligente entre Múltiples Agentes

Communication to Completion: Modeling Collaborative Workflows with Intelligent Multi-Agent Communication

October 22, 2025

Autores: Yiming Lu, Xun Wang, Simin Ma, Shujian Liu, Sathish Reddy Indurthi, Song Wang, Haoyun Deng, Fei Liu, Kaiqiang Song

cs.AI

Resumen

El trabajo en equipo para tareas complejas en entornos laborales requiere estrategias de comunicación diversas, pero los sistemas actuales de LLM multiagente carecen de marcos sistemáticos para la comunicación orientada a tareas. Presentamos Communication to Completion (C2C), un marco escalable que aborda esta brecha mediante dos innovaciones clave: (1) el Factor de Alineación (AF), una métrica novedosa que cuantifica la alineación de los agentes con la tarea e impacta directamente en la eficiencia del trabajo, y (2) un Marco de Acción Secuencial que integra la ejecución paso a paso con decisiones de comunicación inteligentes. C2C permite a los agentes tomar decisiones de comunicación conscientes del costo, mejorando dinámicamente la comprensión de la tarea mediante interacciones específicas. Evaluamos C2C en flujos de trabajo de codificación realistas en tres niveles de complejidad y tamaños de equipo de 5 a 17 agentes, comparándolo con líneas base sin comunicación y de pasos fijos. Los resultados muestran que C2C reduce el tiempo de finalización de tareas en aproximadamente un 40% con costos de comunicación aceptables. El marco completa todas las tareas exitosamente en configuraciones estándar y mantiene su efectividad a escala. C2C establece tanto una base teórica para medir la efectividad de la comunicación en sistemas multiagente como un marco práctico para tareas colaborativas complejas.

English

Teamwork in workspace for complex tasks requires diverse communication strategies, but current multi-agent LLM systems lack systematic frameworks for task oriented communication. We introduce Communication to Completion (C2C), a scalable framework that addresses this gap through two key innovations: (1) the Alignment Factor (AF), a novel metric quantifying agent task alignment that directly impacts work efficiency, and (2) a Sequential Action Framework that integrates stepwise execution with intelligent communication decisions. C2C enables agents to make cost aware communication choices, dynamically improving task understanding through targeted interactions. We evaluated C2C on realistic coding workflows across three complexity tiers and team sizes from 5 to 17 agents, comparing against no communication and fixed steps baselines. The results show that C2C reduces the task completion time by about 40% with acceptable communication costs. The framework completes all tasks successfully in standard configurations and maintains effectiveness at scale. C2C establishes both a theoretical foundation for measuring communication effectiveness in multi-agent systems and a practical framework for complex collaborative tasks.