多Agent系统长期受困于预设的固定协作模式，难以应对不同任务的动态需求。清华与腾讯团队提出的Puppeteer模型另辟蹊径，通过可学习的调度器，让协作结构在任务中自行涌现。该方法不仅在多项基准测试中超越现有方案，还显著降低了计算成本，为构建更高效、灵活的智能体集群提供了全新思路。
智能速览
传统多Agent系统采用预设的固定协作结构，缺乏灵活性且协调成本高。
Puppeteer引入可学习的调度器，将协作结构决策权交给模型。
通过强化学习优化，模型在任务完成质量和计算成本间寻求平衡。
实验显示，该方法在超越基线模型的同时，Token消耗降低了3至4倍。
协作结构自动涌现，形成hub节点和循环精炼等高效模式。
精华内容
Puppeteer的核心突破在于解耦了Agent能力与协作结构。它不再依赖人类设计，而是让系统在与任务的交互中，自主演化出最高效的合作方式。这一转变，或许预示着多智能体研究的新方向。
传统模式的困境
现有多智能体系统如ChatDev、MetaGPT等，普遍采用预设的协作拓扑。即由开发者事先定义好Agent间的沟通顺序与信息流，这种模式被写死在代码里。
其核心缺陷在于，不同任务往往需要不同的协作模式才能达到最优，但固定流程无法适配所有场景。
此外，当Agent数量增加时，这种预设结构的协调开销会急剧上升，例如一个50个Agent的系统可能需要运行10小时，扩展性极差。
动态调度新思路
Puppeteer的破局之道是引入一个中心化的、可学习的调度器，名为Orchestrator。它将多Agent协作问题重新建模为一个序列决策问题。
在每个时间步，Orchestrator会根据当前任务状态，动态决策激活哪个Agent参与工作。
该调度器使用REINFORCE算法进行训练，通过任务的最终反馈来学习最优调度策略。其设计的奖励函数巧妙地平衡了任务完成质量与计算成本，通过参数λ即可调节两者比重。
性能与成本优化
在GSM-Hard、MMLU-Pro等多个权威基准测试中，Puppeteer的表现全面超越了MacNet、EvoAgent等先进的基线模型，证明了其方法的有效性。
更值得关注的是，性能提升的同时，其Token消耗量反而下降了3到4倍。这表明，通过智能调度避免冗余的Agent调用，本身就是一种重要的能力提升，实现了效果与效率的双赢。
涌现的协作结构
对训练后的模型进行分析，可以发现系统自发涌现出了两种关键的协作结构特征。首先是通信集中于少数hub agent，形成了信息压缩的效应，避免了广播式通信带来的巨大开销。
其次是出现了大量的循环结构，这为Agent之间反复进行critique和refinement提供了支持，有利于提升最终输出的质量。这些结构均非人工预设，而是RL优化的自然结果。
代价与未来挑战
尽管成果显著，但该范式也存在值得探讨的权衡。它本质上是用中心化控制换取了全局最优解，这在一定程度上牺牲了单个Agent的自主性。
此外，当前模型依赖终端任务奖励，且Agent池是固定的。在需要动态调用工具或提供更精细过程反馈的复杂场景下，这种模式能否继续有效，还有待进一步研究与验证。
Puppeteer用一种优雅的方式展示了多Agent协作的另一种可能：从“精心设计”走向“自然演化”。尽管其中心化控制范式尚存争议，但其在效率和成本上的显著优势，已为解决复杂协作难题提供了强有力的工具。未来的多智能体系统，是否会更多地向这种自适应结构演进？
