Voorbij individuele intelligentie: een overzicht van samenwerking, foutattributie en zelfevolutie in op LLM gebaseerde multi-agent systemen

Samenvatting

Op LLM gebaseerde autonome agenten hebben sterke capaciteiten getoond in redeneren, plannen en het gebruik van hulpmiddelen, maar blijven beperkt wanneer taken aanhoudende coördinatie over rollen, hulpmiddelen en omgevingen vereisen. Multi-agentsystemen pakken dit aan door gestructureerde samenwerking tussen gespecialiseerde agenten, maar strakkere coördinatie versterkt ook een minder onderzocht risico: fouten kunnen zich verspreiden over agenten en interactierondes, wat leidt tot storingen die moeilijk te diagnosticeren zijn en zelden leiden tot structurele zelfverbetering. Bestaande overzichten behandelen individuele agentcapaciteiten, multi-agentsamenwerking of agentzelfevolutie afzonderlijk, waardoor de causale afhankelijkheden daartussen onbestudeerd blijven. Dit overzicht biedt een uniforme review, georganiseerd rond vier causaal verbonden fasen, die we de LIFE-progressie noemen: Leg de capaciteitsbasis, Integreer agenten door samenwerking, Vind fouten door attributie, en Evolueer door autonome zelfverbetering. Voor elke fase bieden we systematische taxonomieën en karakteriseren we formeel de afhankelijkheden tussen aangrenzende fasen, waarmee we onthullen hoe elke fase zowel afhankelijk is van als beperkingen oplegt aan de volgende. Naast het synthetiseren van bestaand werk, identificeren we open uitdagingen op fasegrenzen en stellen we een cross-fase onderzoeksagenda voor voor closed-loop multi-agentsystemen die in staat zijn om continu storingen te diagnosticeren, structuren te reorganiseren en agentgedrag te verfijnen, waarmee huidige coördinatiekaders worden uitgebreid naar meer zelforganiserende vormen van collectieve intelligentie. Door deze voorheen gefragmenteerde onderzoekslijnen te overbruggen, beoogt dit overzicht zowel een systematische referentie als een conceptuele routekaart te bieden richting autonome, zelfverbeterende multi-agent intelligentie.

English

LLM-based autonomous agents have demonstrated strong capabilities in reasoning, planning, and tool use, yet remain limited when tasks require sustained coordination across roles, tools, and environments. Multi-agent systems address this through structured collaboration among specialized agents, but tighter coordination also amplifies a less explored risk: errors can propagate across agents and interaction rounds, producing failures that are difficult to diagnose and rarely translate into structural self-improvement. Existing surveys cover individual agent capabilities, multi-agent collaboration, or agent self-evolution separately, leaving the causal dependencies among them unexamined. This survey provides a unified review organized around four causally linked stages, which we term the LIFE progression: Lay the capability foundation, Integrate agents through collaboration, Find faults through attribution, and Evolve through autonomous self-improvement. For each stage, we provide systematic taxonomies and formally characterize the dependencies between adjacent stages, revealing how each stage both depends on and constrains the next. Beyond synthesizing existing work, we identify open challenges at stage boundaries and propose a cross-stage research agenda for closed-loop multi-agent systems capable of continuously diagnosing failures, reorganizing structures, and refining agent behaviors, extending current coordination frameworks toward more self-organizing forms of collective intelligence. By bridging these previously fragmented research threads, this survey aims to offer both a systematic reference and a conceptual roadmap toward autonomous, self-improving multi-agent intelligence.