SwarmAgentic: К полностью автоматизированной генерации агентных систем с использованием роевого интеллекта

SwarmAgentic: Towards Fully Automated Agentic System Generation via Swarm Intelligence

June 18, 2025

Авторы: Yao Zhang, Chenyang Lin, Shijie Tang, Haokun Chen, Shijie Zhou, Yunpu Ma, Volker Tresp

cs.AI

Аннотация

Быстрый прогресс в области крупных языковых моделей способствовал развитию агентных систем в принятии решений, координации и выполнении задач. Однако существующие фреймворки для генерации агентных систем не обладают полной автономностью, отсутствуют создание агентов с нуля, самооптимизация функциональности агентов и их взаимодействие, что ограничивает адаптивность и масштабируемость. Мы предлагаем SwarmAgentic — фреймворк для полностью автоматизированной генерации агентных систем, который создает агентные системы с нуля и совместно оптимизирует функциональность агентов и их взаимодействие как взаимозависимые компоненты через языковое исследование. Для обеспечения эффективного поиска по системным структурам SwarmAgentic поддерживает популяцию кандидатных систем и развивает их с помощью обновлений, управляемых обратной связью, вдохновляясь методом оптимизации роем частиц (PSO). Мы оцениваем наш метод на шести реальных, открытых и исследовательских задачах, включающих высокоуровневое планирование, системную координацию и креативное рассуждение. При наличии только описания задачи и целевой функции SwarmAgentic превосходит все базовые методы, демонстрируя относительное улучшение на +261.8% по сравнению с ADAS на бенчмарке TravelPlanner, что подчеркивает эффективность полной автоматизации в задачах без структурных ограничений. Этот фреймворк представляет собой значительный шаг к масштабируемому и автономному проектированию агентных систем, объединяя роевой интеллект с полностью автоматизированной генерацией мультиагентных систем. Наш код доступен по адресу: https://yaoz720.github.io/SwarmAgentic/.

English

The rapid progress of Large Language Models has advanced agentic systems in decision-making, coordination, and task execution. Yet, existing agentic system generation frameworks lack full autonomy, missing from-scratch agent generation, self-optimizing agent functionality, and collaboration, limiting adaptability and scalability. We propose SwarmAgentic, a framework for fully automated agentic system generation that constructs agentic systems from scratch and jointly optimizes agent functionality and collaboration as interdependent components through language-driven exploration. To enable efficient search over system-level structures, SwarmAgentic maintains a population of candidate systems and evolves them via feedback-guided updates, drawing inspiration from Particle Swarm Optimization (PSO). We evaluate our method on six real-world, open-ended, and exploratory tasks involving high-level planning, system-level coordination, and creative reasoning. Given only a task description and an objective function, SwarmAgentic outperforms all baselines, achieving a +261.8% relative improvement over ADAS on the TravelPlanner benchmark, highlighting the effectiveness of full automation in structurally unconstrained tasks. This framework marks a significant step toward scalable and autonomous agentic system design, bridging swarm intelligence with fully automated system multi-agent generation. Our code is publicly released at https://yaoz720.github.io/SwarmAgentic/.