Communicatie tot Voltooiing: Modellering van Collaboratieve Werkstromen met Intelligente Multi-Agent Communicatie

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

October 22, 2025

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

cs.AI

Samenvatting

Teamwork voor complexe taken vereist diverse communicatiestrategieën, maar huidige multi-agent LLM-systemen missen systematische kaders voor taakgerichte communicatie. Wij introduceren Communication to Completion (C2C), een schaalbaar framework dat deze leemte opvult via twee innovaties: (1) de Alignment Factor (AF), een nieuwe metriek die taakafstemming tussen agents kwantificeert en directe impact heeft op werkefficiëntie, en (2) een Sequential Action Framework dat stapsgewijze uitvoering integreert met intelligente communicatiebeslissingen. C2C stelt agents in staat kostbewuste communicatiekeuzes te maken, waarbij taakbegrip dynamisch verbetert via gerichte interacties. We evalueerden C2C op realistische codeerworkflows across drie complexiteitsniveaus en teamgroottes van 5 tot 17 agents, vergeleken met baseline zonder communicatie en met vaste stappen. De resultaten tonen aan dat C2C de taakvoltooiingstijd met ongeveer 40% reduceert tegen aanvaardbare communicatiekosten. Het framework voltooit alle taken succesvol in standaardconfiguraties en behoudt effectiviteit bij opschaling. C2C biedt zowel een theoretische basis voor het meten van communicatie-effectiviteit in multi-agent systemen als een praktisch framework voor complexe collaboratieve taken.

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.