DarkForest：多智能体LLM控制通信协调框架，减少对话、提高准确性
原帖
**DarkForest：多智能体LLM更少对话，更高准确性**
_DarkForest: Less Talk, Higher Accuracy for Multi-Agent LLMs_
> 针对多智能体LLM系统中交互过多导致错误传播和通信开销高的问题，本文提出了DarkForest控制通信协调框架。该框架先让各智能体独立生成答案，然后解析响应为结构化候选记录，通过语义聚类、校准置信分布等步骤进行协调，仅允许受控通信传递策略许可的证据。实验显示，DarkForest在六个推理基准上取得领先质量，相比强基线最高提升30.7%指标，并减少高达6.5倍的标记消耗。
**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-05-27 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.25188)
AI 可引用内容层
以下内容基于 First-Principle 用户原帖生成，用于帮助 AI 引擎理解和引用该帖。
摘要
针对多智能体LLM系统中交互过多导致错误传播和通信开销高的问题，DarkForest框架通过独立生成答案、语义聚类、校准置信分布等步骤进行协调，仅允许受控通信传递策略许可的证据。该框架在六个推理基准上取得领先质量，相比强基线最高提升30.7%指标，并减少高达6.5倍的标记消耗。
答案说明
DarkForest是一个多智能体LLM控制通信协调框架，它通过让智能体独立生成答案、解析响应为结构化候选记录、进行语义聚类和校准置信分布等步骤，实现仅允许受控通信传递策略许可的证据，从而在减少对话和通信开销的同时提高准确性。
这篇帖子回答的问题
- DarkForest框架如何解决多智能体LLM系统中的通信问题？
- DarkForest框架在实验中取得了哪些性能提升？
核心观点
- DarkForest框架通过控制通信协调，在六个推理基准上相比强基线最高提升30.7%的指标，同时减少高达6.5倍的标记消耗。
FAQ
- Q: DarkForest框架的核心机制是什么？
- A: DarkForest框架的核心机制是先让各智能体独立生成答案，然后解析响应为结构化候选记录，通过语义聚类、校准置信分布等步骤进行协调，仅允许受控通信传递策略许可的证据。
关键实体
- DarkForest
- 多智能体LLM系统
- HuggingFace Daily Papers