Economy of Minds: Emerging Multi-Agent Intelligence with Economic Interactions¶

会议: NeurIPS 2026
arXiv: 2606.02859
代码: https://github.com/zhentingqi/Economy-of-Minds
领域: LLM Agent
关键词: 多智能体系统, 市场机制, 去中心化协调, 信用分配, 演化适应

一句话总结¶

受到哈耶克分散式市场理论启发，本文提出一种基于经济机制的多智能体系统 EoM，通过局部竞价拍卖、水桶流水线点对点支付与基于财富破产/突变的演化选择，使弱局部智能体自发涌现全局协作与多步推理能力，超越单体大模型。

研究背景与动机¶

构建复杂多智能体系统（MAS）以应对超出单体大模型能力边界的复杂任务已成为主流范式。然而，绝大多数现有多智能体框架（如 MetaGPT、ChatDev 等）严重依赖中心化编排器（centralized orchestrator）统一调度、分配角色与规划流向。这种中心化架构面临两大根本瓶颈：首先是单点协调瓶颈与单点故障，所有状态信息与决策逻辑必须汇入中枢，随着任务复杂度提升极易引起上下文溢出与决策延迟；其次是可扩展性匮乏，随着智能体数量增长，中心化协调器的管理复杂度呈线性乃至超线性激增，使得自适应学习与角色拓扑的动态演化极其低效。

自然界人类经济社会运行呈现出完全不同的分散式自组织形态。弗里德里希·哈耶克（Friedrich Hayek）在经典论文《知识在社会中的利用》中指出，经济的核心挑战不是已知完备信息下的中心化最优化，而是如何利用分散在各个个体中、无法被任何单一中枢统筹的零散局部知识；自由市场正是通过价格体系聚合信号，驱动个体无需全局视野即可达成高度协同的分工与交换。早期的 Hayek Machine 与遗传分类器系统曾利用经济学规则在简单符号系统中证明这一潜力，但如何将现代大语言模型（LLM）的开放语义能力与严谨的微观经济激励相结合，构建免除中心化协调的去中心化涌现智能，仍缺乏切实可行的系统性架构。

本文切入角度是彻底抛弃手工硬编码的调度中枢与通信协议，将多智能体协作形式化为微观市场交互系统。核心 idea：构建经济学多智能体系统 Economy of Minds (EoM)，让各智能体通过竞价拍卖争夺执行权，依水桶流水线协议点对点转移财富并实现反向信用分配，同时以财富积累与破产淘汰驱动探索与利用的种群演化，使全局规划与动态分工在纯局部微观激励下自动涌现。

方法详解¶

整体框架¶

EoM 将多智能体系统建模为部分可观测马尔可夫决策过程（POMDP）上的分布式交易市场。系统由冻结的统一 LLM 主干驱动不同系统提示词实例化的弱“局部智能体”（Partial Agents）种群构成。在运行机制上，系统解耦为两个嵌套循环：在单回合（Episode）内，智能体依据各自的触发谓词与出价参与竞价拍卖（Auction），获胜者获得当前环境交互权并执行动作，同时借助水桶流水线规则（Bucket-Brigade Transfer Rule）向前驱智能体支付报酬，使得环境最终奖励沿因果链反向流动以实现去中心化信用分配；在跨回合（Cross-Episode）维度，种群依据累计财富展开达尔文式经济演化：资不抵债（财富值小于 0）或支付不起周期租金的失效智能体破产淘汰，高财富智能体则被选为亲本进行突变利用，配合新手入场机制实现动态重构。

%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400}}}%%
flowchart TD
    A["环境当前观测 o_t 与任务状态"] --> B["1. 局部唤醒判定<br/>触发谓词评估各候选智能体"]
    B --> C["2. 竞价拍卖机制<br/>合格集合按固定出价择优竞争"]
    C --> D["3. 水桶流水线交易<br/>执行动作并向前驱支付竞价转移"]
    D --> E{"单回合终止与奖励产生？"}
    E -->|否：中间步反馈| A
    E -->|是：获得环境终局奖励| F["4. 经济选择与自适应演化<br/>收缴租金/破产淘汰/高富突变"]

关键设计¶

1. 局部触发谓词与基于固定竞价的去中心化拍卖：消除中心调度中枢 中心化调度器依赖全局视图逐一评估各智能体适配度，极易引起协调阻塞。EoM 为每个智能体 $a$ 设定局部触发谓词 $\phi_a(o) = \mathrm{LLM}_\theta(p_a^{\text{trig}}; o) \in \{0, 1\}$ 与专属动作策略 $\pi_a(\cdot \mid o) = \mathrm{LLM}_\theta(p_a^{\text{act}}; o)$，两者完全基于各自特定的系统提示词和统一冻结的 LLM 实现。在每个决策时刻 $t$，系统无需中心调度，仅由满足唤醒条件的合格智能体集合 $E_t = \{a \in \mathcal{P}_e : \phi_a(o_t) = 1\}$ 提交固定出价 $b_a$ 参与竞价。最高出价者 $a_t^\star = \arg\max_{a \in E_t} b_a$ 获得环境动作执行权。智能体的出价并不在在线交互中随意微调，而是在智能体首次合格进入市场时通过新手竞价规则（Novice Rule）初始化并终身固定： $$b_{a'} = \left(\max_{a \in C_t} b_a\right) + \varepsilon_{a'}, \quad \varepsilon_{a'} \sim \mathcal{D}_\varepsilon$$ 其中 $C_t$ 为当前竞品集合，$\varepsilon_{a'}$ 为小额正向溢价。该机制强制保证新生智能体至少获得一次真实市场准入和试跑机会，避免老牌智能体形成先验垄断，同时根除了动态频繁喊价引发的价格投机泡沫。

2. 水桶流水线财富流转与去中心化信用分配：反向定价支撑多步长程规划 强化学习中长程多步规划的严峻挑战在于稀疏终局奖励下的信用分配，传统全局价值函数拟合复杂度随步数爆炸。EoM 采用源自 Holland 分类器系统的“水桶流水线”（Bucket-Brigade）转移规则： $$W_{a_t^\star} \leftarrow W_{a_t^\star} - b_{a_t^\star} + r_t, \quad W_{a_{t-1}^\star} \leftarrow W_{a_{t-1}^\star} + b_{a_t^\star}$$ 获胜者 $a_t^\star$ 必须向前一位执行动作的前驱智能体 $a_{t-1}^\star$ 支付自身出价 $b_{a_t^\star}$，并收取当前步即时环境奖励 $r_t$（在许多复杂推理任务中仅在末尾步产生终局非零奖励）。这使得上游智能体获取收益的方式不仅仅取决于其本身是否直接完成终局任务，更取决于其产出的中间环境状态能否被下游高出价智能体“转售承接”。下游智能体的买单行为构成对上游有效动作的因果背书，利润沿动作链自然反向流淌；在数学上，该机制证明可在无密集过程奖励设定下渐近逼近贝尔曼最优延续价值（Bellman continuation value）或有向无环图工作流中的有序边际贡献（Shapley-like marginal credit）。

3. 租金损耗与达尔文式破产淘汰：持续驱逐恶意与无效节点 开放系统面临的最大风险是产生冗余死循环节点或过度激进但无价值的恶意出价者。EoM 引入了严格的硬预算约束与周期性生存租金制度。所有智能体每经过固定周期 $K_r$ 必须缴纳均一租金 $\rho \ge 0$（$W_a \leftarrow W_a - \rho$）。如果智能体多次高出价入场却无法产出能让后继者获利或获取环境奖励的状态，或者长期处于非唤醒休眠状态无法赚取买单，其财富漂移率将严格为负，一旦 $W_a \le 0$ 便立即遭遇破产并被彻底移出种群 $\mathcal{P}$。理论分析与严格证明（引理 2 与引理 3）表明，即使存在恶意操纵出价或形成局部合谋卡特尔，只要其无法为系统外部整体创造净超额价值，均会在有限步内以概率 1 遭遇破产灭绝，从而保持了种群的高度健康性与自净化力。

4. 基于财富驱动的自适应利用与探索：推动角色从粗糙通用向精准特化跃迁 在回合之间，种群更新机制根据财富格局驱动双轨提示词演化。在利用（Exploitation）分支中，长久存活且财富充裕的高价值智能体被选为亲本，通过提示词生成算子 $\mathcal{G}$ 进行微小行为突变生成优质子代，继承并提炼有效解题模式；在探索（Exploration）分支中，针对破产淘汰的智能体，利用其失败上下文反向生成修正型或互补型提示词填补生态位。实验深层个案表明，智能体在演化中并未简单变长，而是自发演化出高可信的防错准则：例如科学研究中的 Executer 从通用代数推导进化为“控制方程识别 $\to$ 独立自由度对比 $\to$ 对称性降维 $\to$ 回代验算”的完整严谨范式，进而让整个协作拓扑在熟练阶段自动收敛至轻量化直通流水线。

一个完整示例¶

以 FrontierScience-Research 中典型的复杂科学推理任务为例： 1. 初期演化阶段（拓扑冗余且探索频繁）：面对约瑟夫森结（Josephson junction）或暗物质直接探测等开放问题，种群处于探索期，Executer 缺乏内置验证能力。触发谓词唤醒 Literature 列出理论先验，Planner 拆解子问题，Executer 执行初步推演；随后 Verifier 发现维度与自由度缺陷并叫停；Planner 介入重定范围，多轮往复。单回合经历长达 10 步复杂拍卖序列：Literature -> Planner -> Executer -> Verifier -> Executer -> Verifier -> Planner -> Executer -> Verifier -> Answer，最终取得 0.75 分，并凭借终局奖励使参与链条平摊财富。 2. 后期演化阶段（紧凑特化与直通执行）：经过数十轮选择，突变亲本积淀了严密代数自审提示词。当面对蛋白质提纯（Protein purification）问题时，处于第 14 代种群中的 Executer 在自身内部即完成了方程与自由度对齐及回代，外部 Verifier 智能体评估后评估当前工作区无风险返回 NO，竞价流线自动缩减为极简的 3 步直通架构：Planner -> Executer -> Answer，直接斩获 1.00 满分，展示了协作拓扑随个体能力内化而自适应缩并的动态优雅性。

实验关键数据¶

主实验¶

论文在五大具有代表性的复杂 Agent 任务上全面评估 EoM：数学推理（MATH）、金融检索分析（Finance-Agent-Bench）、开放前沿科学探索（FrontierScience-Research）、深度学习加速器硬件映射设计（Gemmini ResNet-50 卷积映射，以能耗延迟积 EDP 为指标，越低越好）以及分布式系统数据传输优化（Cloudcast 代码迭代成本，越低越好）。所有局部智能体均受限于极短输出 Token、仅单工具权限或单一角色，对比完整的单体 Agent 基线。

任务领域 / 基线评测	评估指标	初始表现 (Initial)	EoM 最终表现 (Ours)	对比完整/强基线 (Baseline)	提升幅度 / 优势
MATH (Llama-3.1-8B)	Pass@1 准确率 (%)	15.9 ± 1.37	57.0 ± 3.36	51.9 (完整单体 ReAct)	+5.1% 绝对优势 (超越完整单体)
MATH (Gemma-2-9B)	Pass@1 准确率 (%)	4.2 ± 0.52	45.1 ± 4.12	44.3 (完整单体 ReAct)	+0.8% 绝对优势
Finance-Agent-Bench	准确率 (%)	45.0	60.0 (最佳 65.0)	50.0 (Multi-Agent Debate) / 45.0 (ReAct)	+10.0% / +15.0% 显著胜出
FrontierScience-Research	准确率 (Mean / Best %)	-	8.5 / 20.0	1.8 / 5.0 (同架构 GEA)	4.7× 均值提升 / 4.0× 极值提升
Accelerator Design (EDP)	Avg. EDP ($\mu\text{J}\cdot\text{Mcyc}$) ↓	-	39.3	43.1 (ReAct) / 80.2 (专用 DOSA)	比 ReAct 降 8.8%，比 DOSA 降 51.0%
Cloudcast (系统代码优化)	数据传输总成本 ↓	-	673 (最佳 657)	930 (OpenEvolve 300代) / 999 (Best-of-N)	成本降低 29.4%，迭代轮次减半

消融实验¶

论文在 MATH（评估参数超参敏感性）和 Finance-Agent-Bench（评估核心机制组件贡献）上实施了详尽的消融实验：

评估基准与实验配置	平均指标 (Mean %)	最佳指标 (Best %)	核心设计分析与影响说明
MATH: 完整 EoM 系统	43.9	57.0	初始平衡配置，多步长程规划协调最优化
MATH: 大租金惩罚 ($\times 10$ Rent)	41.8	47.0	生存压力过大导致有潜力的新生局部智能体过早破产淘汰
MATH: 小奖励缩放 ($\times 0.2$ Reward)	39.0	44.0	水桶流水线价值梯差过窄，反向信用分配信号模糊退化
MATH: 大奖励放大 ($\times 4$ Reward)	40.9	47.0	宽松资本使平庸智能体易于苟活，推迟种群劣汰出清
Finance: 完整 EoM 系统	52.5	65.0	包含探索、利用与竞价拍卖的双轨经济体
Finance: 去除竞价拍卖机制 (w/o auction)	48.0	58.5	丧失基于价格维度的局部控制权择优分配，平均表现下滑 4.5%
Finance: 去除探索机制 (w/o exploration)	26.0	40.0	性能遭遇断崖式下跌 (-26.5%)，破产后无法补充新角色陷入死胡同
Finance: 去除利用机制 (w/o exploitation)	33.5	60.0	性能严重受挫 (-19.0%)，高价值成功智能体无法繁衍扩散优势经验

关键发现¶

双轨演化是市场繁荣的基石：在所有消融中，去除“探索（Exploration）”对系统破坏最为致命（均值腰斩至 26.0%），这证明在开放 Agent 市场中，持续从破产教训中注入全新变异对于逃离局部最优解和死胡同至关重要；而“利用（Exploitation）”则是累积正向知识、提炼专家经验不可或缺的加速器。
由易到难（Curriculum）极大赋能技能积淀：在 MATH 数据集上，由易到难（Level 1 至 Level 5）的任务流训练不仅提升了低阶解题率，更促成了对未曾见过的 Level 5 难题的零样本泛化迁移（准确率从 10% 提升至 20%）；而逆向难度训练（Hard-to-Easy）则会过早遭遇高破产震荡，收敛明显变缓。
专业化智能体能击败“通才智能体”（Generalist）的垄断企图：在金融实验中向系统引入具备全部 4 个工具权限的“全能通才”智能体，通才并未垄断市场；其仅在第 11-12 轮短暂扩张后被压缩至仅存 1 个，而专精于 EDGAR 检索或 Tavily 抓取的局部智能体反倒扩张至 5-8 个。因为通才的提示词必须承载格式、核算、对账等庞杂规约而走向保守平庸，而专精智能体在细分局部问题上具有极高的裁决精确度和更低的试错出价，市场机制自发保护了专业化分工。
无显式提示下自主发现跨领域可复用硬件架构：在 Gemmini 加速器映射搜索中，EoM 在未被告知任何先验硬件模式的前提下，自主收敛出工业级经典的“输出固定型”（Output-Stationary）数据流，在 ResNet-50 瓶颈块的 $1\times 1$ 大通道卷积上取得了最高达 $37.5\times$ 的能耗延迟积降幅。

亮点与洞察¶

颠覆了依赖中心编排器（Orchestrator）或硬编码 DAG 交互的传统多智能体范式，开创性地证明单纯依靠微观经济交互（竞价、转售分红、破产）便足以引导弱模型群体自下而上涌现宏观长程推理能力。
将经济学中的水桶流水线与破产机制引入大语言模型 Agent 治理，不仅优雅解决了稀疏长程轨迹的反向信用分配问题，而且提供了数学上具备严格无外部负漂移保证的天然抗合谋与抗恶意节点防护。
揭示了“提示词演化”与“宏观交互拓扑”的双向耦合跃迁：单体智能体在经济激励下内化防错机制后，外部宏观拓扑会自动从冗长的多轮审计收敛至轻量化极速流水线，展现了自适应智能系统的弹性格局。

局限与展望¶

搜索与演化空间受限于提示词层级：目前所有智能体均运行在参数冻结的共享统一大模型 backbone 上，所有的学习与分化仅发生在 System Prompt 语义文本层面，未能进一步结合权重参数级微调（如 LoRA 或强化学习在线策略梯度优化）。
任务起始与终止仍依赖部分外部环境判定：虽然拍卖与中途流转完全去中心化，但单回合环境奖励判定与终局终止仍需底层执行环境或沙箱抛出信号，未来可进一步探索完全由经济合约结算闭环的自治系统。
提示词演化成本与 Token 消耗：在种群规模扩展（例如数十至上百个智能体频繁竞价唤醒）时，局部唤醒判定和突变重构会消耗大量 API Token，需要更具性价比的轻量判别模型作为唤醒网关。

评分¶

新颖性: ⭐⭐⭐⭐⭐ [将哈耶克分散式市场与水桶流水线经济机制引入大模型多智能体，彻底破除中心化协调中枢，视角极具启发性]
实验充分度: ⭐⭐⭐⭐⭐ [横跨数学、金融、科学探索、芯片映射、系统优化等 5 个异构高难领域，理论分析严谨完备，消融与机制洞察扎实]
写作质量: ⭐⭐⭐⭐⭐ [动机叙述逻辑通透，从微观经济学基础推导至宏观涌现，案例详实且图文呼应紧密]
价值: ⭐⭐⭐⭐⭐ [为后基础模型时代的大规模 Agent 社会与去中心化通用人工智能系统演化奠定了极具扩展潜力的范式基石]