大模型智能体能否摆脱外部监督，通过自主交互实现持续进化？CoMAS框架为此提供了答案。它让智能体在交互中产生内在奖励，通过强化学习实现协同进化，展现出强大的跨任务泛化能力，是构建通用群体智能的重要一步。
智能速览
CoMAS是一个让多智能体通过交互实现协同进化的新框架。
智能体在类似论坛的环境中交互，产生内在奖励信号。
该方法使用强化学习引导各智能体的策略提升。
CoMAS展现了强大的跨任务与跨系统泛化能力。
智能体数量和多样性的增加能进一步提升系统效果。
精华内容
传统智能体依赖外部监督学习，CoMAS则探索了一条新路径：让智能体群体在交互中自我驱动、协同进化，这究竟是如何实现的？
核心构想
CoMAS框架旨在解决一个根本性问题：大模型智能体能否不依赖外部监督信号，通过彼此的交互协作实现持续的自主进化。这个设想超越了传统依赖人类标注数据或预设奖励函数的模式，转向探索一种更加内生的、由群体内部驱动的进化机制。其目标是构建一个能够自我完善、不断进化的智能体群体。
交互与奖励
为实现这一目标，CoMAS设计了一个类似技术论坛的交互模式。多个智能体在其中扮演不同角色，如提问者、解答者和评估者。通过这样的互动，系统能够产生内在的奖励信号。一个高质量的解答或一次有效的评估都会带来正向奖励，反之则为负向奖励。这些内在奖励信号被用作强化学习的反馈，直接引导每个智能体优化其自身策略。
实验验证
实验结果充分证明了CoMAS框架的有效性。基于该框架的多智能体系统表现出了强大的泛化能力，能够成功将学到的策略迁移到全新的任务和不同的系统中。一个关键发现是，随着参与进化的智能体数量增加，以及智能体自身多样性程度的提升，整个系统的性能和进化效率也获得了显著增长。这表明群体规模和多样性是协同进化的重要催化剂。
未来展望
这项研究是迈向更强大、更通用群体智能的重要一步。它不仅为构建自进化AI系统提供了可行的技术路径，也为理解群体智能的涌现机制提供了新的视角。CoMAS的成功有望启发更多关于自主智能体协作与进化的研究，最终推动通用人工智能（AGI）的发展。
CoMAS框架揭示了群体智能通过内在交互实现自主进化的巨大潜力，摆脱了对外部监督的依赖。这项研究不仅为构建更通用、更强大的AI系统铺平了道路，也让我们对智能的本质有了新的思考。未来，一个由无数自主进化智能体构成的世界会是怎样？
