AI guides

NeurIPS 2026 | FlowMAS:让AI团队自己学会「排兵布阵」

By 机器之心2 viewsSource: 机器之心
NeurIPS 2026 | FlowMAS:让AI团队自己学会「排兵布阵」

厦门大学ASC Lab团队提出的FlowMAS获NeurIPS 2026录用,通过GFlowNet、好奇心驱动模块和信息引导优化模块自动生成多样且低成本的大模型多智能体工作流拓扑,并在六个基准实验中取得领先成绩。

The full text has not been translated yet. The Chinese original is shown below.

本文第一作者来自厦门大学空间感知与计算实验室(ASC Lab)2025 级博士生王海涛、2025 级硕士生梁辰景,通讯作者为厦门大学沈思淇副教授,并由张海鹏、胡家威、王思诚、梅松竹副研究员、温程璐教授、王程教授共同合作完成。研究团队长期聚焦于大模型智能体、强化学习以及多智能体系统。实验室主页:https://asc.xmu.edu.cn/

做大模型应用的人,多少都有过这样的体会:一个 AI 搞不定的事,就多叫几个 AI 来 "开会"。写代码,可以让一个 AI 写、一个 AI 测、一个 AI 改;答问题,可以让几个 AI 分头查资料、再汇总投票。这就是当下火热的大模型多智能体系统(Multi-Agent System, MAS)。

但很快你会发现一个扎心的事实:组队容易,排兵布阵难。同一批 AI,谁打头阵、谁做总结、谁听谁的、信息怎么流转 —— 这套 "组织架构" 直接决定团队的战斗力。架构搭得好,1+1>2;搭得不好,几个 AI 互相 "抬杠",还不如一个单干。

那么问题来了:这套 "组织架构",能不能不靠工程师熬夜手绘,而让 AI 自己学出来?

厦门大学 ASC 实验室团队给出了新答案。他们提出的 FlowMAS 已被机器学习顶会 NeurIPS 2026 录用:把大模型多智能体 "架构设计" 变成一个可学习的生成问题 —— 用生成流网络(GFlowNet)做发动机,配上 "好奇心" 与 "信息论" 两件武器,让 AI 团队的搭建方式第一次做到既自动、又多样、还省钱。

文章配图

  • 论文标题:FlowMAS: Learning Multi-Agent Workflow Topology via Information-guided Generative Flow Network
  • 论文链接:https://arxiv.org/abs/2609.37151

什么是大模型多智能体的 "组织架构"

论文研究的对象叫大模型智能体工作流拓扑(LLM agentic workflow topology)。把它画成一张有向无环图(DAG)就直观了:

  • 节点是一个个 "算子"(operator)—— 可以理解为有具体分工的 AI 员工,各自带着模型、提示词、工具和内部工作模式(比如思维链 CoT、自我反思 Reflexion、程序员 Programmer);
  • 边代表信息从谁流向谁。
  • 再复杂的组织架构,都由三种基本 "积木" 拼成:
  • 链式(Chain):流水线,一个干完下一个接上;
  • 扇出(Fan-out):一个任务分发给多个 AI 并行探索;
  • 扇入(Fan-in):多路信息汇总到一个节点做整合。

就像乐高积木,这三种基础件能拼出树、菱形、层级等任意复杂结构。论文要解决的核心问题是:面对一个具体任务,如何从组合爆炸的 "拼法" 里,自动生成最好的那一种?

四大门派,各有 "内伤"

在此之前,学界业界已经探索出四条路线,但每条都有绕不开的痛点:

  1. 手工派(MetaGPT、LLM-Debate 等):资深工程师凭经验手绘架构。费时费力,换个任务就得推倒重来,像老裁缝一件件手工定制西装。
  2. 搜索派(ADAS、AFlow 等):在巨大设计空间里反复试错、迭代评估。效果不错,但极其 "烧钱"—— 每试一种架构都要真实调用大模型,token 如流水;可选算子一多,搜索还容易 "失灵"。
  3. 文本梯度派(OneFlow 等):让大模型当 "教练",看结果写评语、提修改意见。问题是评语太粗 ——"这次考得不好,继续努力" 式的反馈,说不清到底是哪一步的结构出了问题(也称为信用分配困难)。
  4. 生成派(G-Designer、MaAS、GTD 等):用生成模型直接 "画" 架构,是目前表现最强的一类。但它们所用的 VAE、扩散模型等 "发动机",本是为生成图像、向量设计的,对付不了拓扑这种离散且带复杂依赖的数据 —— 结果就是生成的架构千篇一律,难以 "一题一策"。

FlowMAS 第一招:换一台 "为离散结构而生" 的发动机

FlowMAS 选择的核心生成骨架,是生成流网络(Generative Flow Networks, GFlowNets)。这一框架由图灵奖得主 Yoshua Bengio 团队提出,最早用于药物分子生成 —— 在离散组合空间里高效探索多样的候选分子。

它的思想很优雅:把整个生成过程看成一张有向无环图上的 "流"。从一片空白开始,每加一个节点、连一条边,就是流向前推进一步;训练目标是让每种最终架构被采样到的概率正比于它的奖励(任务表现、成本等综合评分)。好架构多生成,差架构少生成,且不会 "只见树木不见森林"—— 多样性被天然保留,这正好治了生成派 "千篇一律" 的病。

文章配图

图 1|FlowMAS 总体框架图。来源:原论文 Figure 1,第 3 页。

把发动机装进车里,还要解决两个坑

GFlowNet 虽好,但它是为分子生成而生的,直接搬到大模型多智能体系统上会 "水土不服":

  • 结构挑战:只靠最终奖励,模型容易 "扎堆",探索不到足够多样的架构;
  • 信息挑战:分子没有 "交流" 问题,而大模型多智能体系统的命脉恰恰是信息交换 —— 多个 AI 给出的信息可能互补、可能冗余、也可能产生 "化学反应",这直接决定协作成败。

FlowMAS 的关键机制创新是:别等期末才打分,平时就发 "过程性奖励"。论文提出在工作流搭建的每一步,就给中间结构评估并注入 "中间奖励流",并为此重新推导了 GFlowNet 的流守恒与轨迹平衡约束。直觉上,这让 "苗子好" 的半成品架构早早被识别出来,而不是等到盖完楼才发现地基歪了。

两件 "秘密武器":好奇心 + 信息论

过程性奖励由两个模块供给:

好奇心驱动模块(CDM):给 "没见过的新结构" 发奖励。借用强化学习中随机网络蒸馏(Random Network Distillation)的思想:用一个可训练的预测网络去拟合一个固定目标网络的输出 —— 猜得越不准,说明这个结构越新奇,奖励越高。于是模型像充满好奇心的探险家,专挑没人走过的路网,架构多样性就此打开。

信息引导优化模块(IOM):用信息论给 "协作质量" 打分。

  • 协同信息奖励:借部分信息分解(Partial Information Decomposition, PID)的思想,把多个上游 AI 对答案的信息贡献拆成 "独有的、冗余的、协同的" 三份,专门奖励"1+1>2" 的协同部分—— 单干给不出、重复不算数的增量信息;
  • 有效信道奖励:把各路上游输出的余弦相似度组成 Gram 矩阵并计算谱熵,衡量信息是否均匀分布在各条通信通路上。熵太低,说明信息挤在少数 "主干道" 上,存在冗余占位或 "摸鱼" 分支;熵高而均匀,说明每条通路都在做贡献。

值得一提的是,信息打分只在训练阶段使用;部署推理时既不需要标准答案,也不需要这些奖励,完全不增加使用成本。

实验:全面领先,还更省钱

评测阵容:6 个公开基准(数学推理 GSM8K/MATH、代码生成 HumanEval/MBPP、阅读理解 HotpotQA/DROP)× 3 种大模型底座(GPT-4o-mini、Llama-3.1-8B、Gemma-4-26B)× 15 个基线方法。

成绩单一目了然:

  • 在 Llama-3.1-8B 上,FlowMAS 六项平均 70.50 分,超过最强自动化基线 MaAS(67.73)与 AFlow(67.55);GPT-4o-mini 与 Gemma-4-26B 上同样全面第一(平均 81.40 / 86.92)。
  • 综合三个底座,FlowMAS 比手工设计方法平均高8.17 分,比现有自动化方法平均高6.12 分。
  • 在较弱的 8B 小模型上优势尤为明显 —— 说明方法不靠 "抱大腿",小模型也能组出强队。

文章配图

表 1|在 6 个公开基准上的性能对比。来源:原论文 Table 1,第 7 页。

成本账同样漂亮:在 HumanEval 上,AFlow 的推理 token 消耗是 FlowMAS 的 15 倍以上,精度反而低 4.5 个点;ADAS 的训练 token 消耗更是高达 FlowMAS 的 220 倍。

文章配图

表 2|在 HumanEval 上的计算效率对比。来源:原论文 Table 3,第 8 页。

消融实验进一步验证了设计的必要性:把发动机换成 VAE、图扩散、Transformer 或 MLP,性能全面下降;拿掉好奇心模块或信息引导模块,成绩同样明显下滑(HumanEval 从 69.6 掉到 62.8),而且换成图编辑距离、ICM、LLM-as-Judge 等替代方案也补不回来 —— 两大组件缺一不可。

文章配图

表 3|不同生成 backbone 的性能对比。来源:原论文 Table 4,第 8 页。

文章配图

表 4|不同模块的消融。来源:原论文 Table 5,第 9 页。

一个直观的案例:在 DROP 阅读理解任务上,FlowMAS 自动演化出了 "证据抽取 — 分解 — 计算 — 聚合" 的分工结构并答对题目;而 AFlow 与 MaAS 生成的架构无法显式分解证据,双双答错。

文章配图

结语

过去我们调提示词、调单个模型;今天,我们开始 "调团队"。FlowMAS 的意义在于:把 "如何组织 AI 团队" 这件事,从一门手工艺术变成了可学习、可优化、可度量的科学问题。

当 AI 员工越来越多,或许最需要被 AI 化的,正是 "管理 AI" 本身。

文章来自于微信公众号 “机器之心”,作者 “机器之心”

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)