За пределами индивидуального интеллекта: обзор сотрудничества, атрибуции отказов и самоэволюции в мультиагентных системах на основе LLM

Аннотация

Автономные агенты на основе больших языковых моделей (LLM) демонстрируют высокие способности в рассуждении, планировании и использовании инструментов, однако их возможности остаются ограниченными, когда задачи требуют устойчивой координации между ролями, инструментами и средами. Мультиагентные системы решают эту проблему за счет структурированного взаимодействия специализированных агентов, однако более тесная координация усиливает менее изученный риск: ошибки могут распространяться между агентами и раундами взаимодействия, приводя к сбоям, которые трудно диагностировать и которые редко приводят к структурному самосовершенствованию. Существующие обзоры рассматривают либо отдельные способности агентов, либо мультиагентное взаимодействие, либо самоэволюцию агентов по отдельности, оставляя без внимания причинно-следственные зависимости между этими аспектами. Настоящий обзор предлагает унифицированное рассмотрение, организованное вокруг четырех этапов, связанных причинно-следственными связями, которые мы обозначаем как прогрессия LIFE: Заложить основу способностей, Интегрировать агентов через сотрудничество, Найти неисправности через атрибуцию и Эволюционировать через автономное самосовершенствование. Для каждого этапа мы представляем систематические таксономии и формально характеризуем зависимости между смежными этапами, показывая, как каждый этап одновременно зависит от следующего и накладывает на него ограничения. Помимо обобщения существующих работ, мы выявляем открытые проблемы на границах этапов и предлагаем межэтапную исследовательскую программу для мультиагентных систем с замкнутым циклом, способных непрерывно диагностировать сбои, реорганизовывать структуры и уточнять поведение агентов, расширяя существующие координационные рамки в направлении более самоорганизующихся форм коллективного интеллекта. Объединяя эти ранее разрозненные направления исследований, данный обзор призван стать как систематическим справочником, так и концептуальной дорожной картой на пути к автономному, самосовершенствующемуся мультиагентному интеллекту.

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.