[LG]《Symphony: A Decentralized Multi-Agent Framework for Scalable Collective Intelligence》J Wang, K Chen, X Song, K Zhang... [Emory University & Columbia University] (2025)
Symphony：开创性去中心化多智能体框架，实现高效可扩展的集体智能协作
• 颠覆传统依赖集中式调度的LLM多智能体系统，Symphony引入去中心化账本，动态记录设备能力与可用性，消除单点瓶颈。
• 采用基于Beacon的智能体选择协议，实时匹配子任务需求与智能体能力，确保任务精准分配，提升执行效率。
• 多条思维链（Chain-of-Thought）独立规划任务路径，执行后通过加权投票机制融合结果，增强推理多样性与容错能力。
• 支持在消费者级GPU（如RTX 4090、Apple M系列）上运行轻量化LLM，降低硬件门槛，促进边缘设备间协同计算，保护数据隐私。
• 大规模实验表明，Symphony在BBH和AMC推理基准上相较集中式框架AutoGen、CrewAI等，准确率提升6.5%至41.6%，且对弱模型提升尤为显著。
• 协调开销低于5%推理延迟，具备高度扩展性和鲁棒性，适配异构设备网络，支持跨域隐私合规应用，如医疗影像本地协作分析。
• 通过自主拍卖任务与基于贡献的激励机制，Symphony推动去中心化智能体经济形态，促进多方协作与资源共享。
Symphony不仅是技术创新，更为AI普惠与隐私保护提供了可行路径，助力形成开放、自主、透明的智能体协作生态。
论文详情🔗
了解详情🔗github.com/GradientHQ/Symphony.git
人工智能多智能体系统去中心化边缘计算大语言模型集体智能隐私保护
