От коммуникации к завершению: моделирование совместных рабочих процессов с помощью интеллектуальной меж-агентной коммуникации

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

October 22, 2025

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

cs.AI

Аннотация

Командная работа над сложными задачами требует разнообразных коммуникационных стратегий, однако современные многозадачные системы LLM не имеют систематических структур для целенаправленного взаимодействия. Мы представляем Communication to Completion (C2C) — масштабируемую структуру, которая устраняет этот пробел за счет двух ключевых нововведений: (1) Фактор Согласованности (Alignment Factor, AF) — новой метрики, количественно оценивающей согласованность агентов с задачей, что напрямую влияет на эффективность работы, и (2) Структуры Последовательных Действий, которая интегрирует пошаговое выполнение с интеллектуальными коммуникационными решениями. C2C позволяет агентам делать осознанные с точки зрения затрат коммуникационные выборы, динамически улучшая понимание задачи за счет целевых взаимодействий. Мы оценили C2C на реалистичных рабочих процессах программирования по трем уровням сложности и с размерами команд от 5 до 17 агентов, сравнив с базовыми подходами без коммуникации и с фиксированными шагами. Результаты показывают, что C2C сокращает время выполнения задачи примерно на 40% при приемлемых коммуникационных издержках. Структура успешно выполняет все задачи в стандартных конфигурациях и сохраняет эффективность при масштабировании. C2C закладывает как теоретическую основу для измерения эффективности коммуникации в многозадачных системах, так и практическую структуру для сложных коллективных задач.

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.