HASHIRU: 分层智能体系统用于混合智能资源利用

大型语言模型 (LLM) 的快速发展正在推动自主多智能体系统 (MAS) 的发展。然而，当前框架通常缺乏灵活性、资源感知能力、模型多样性以及自主工具创建能力。本文介绍了 HASHIRU (混合智能资源利用的分层智能体系统)，一个新颖的 MAS 框架，旨在增强灵活性、资源效率和适应性。HASHIRU 设有一个“CEO”智能体，动态管理专业的“员工”智能体，这些员工智能体根据任务需求和资源限制（成本、内存）进行实例化。其混合智能优先使用较小的本地 LLM（通过 Ollama），同时在必要时灵活使用外部 API 和大型模型。一个包含雇佣/解雇成本的经济模型促进了团队稳定性和高效资源分配。该系统还包括自主 API 工具创建和内存功能。对学术论文审阅（58% 成功率）、安全评估（在 JailbreakBench 子集上达到 100%），以及复杂推理（在 GSM8K 上超越 Gemini 2.0 Flash：96% 对 61%；JEEBench：80% 对 68.3%；SVAMP：92% 对 84%）等任务的评估，证明了 HASHIRU 的能力。案例研究表明，它通过自主成本模型生成、工具集成和预算管理实现了自我改进。HASHIRU 通过动态分层控制、资源感知混合智能和自主功能扩展，为构建更健壮、高效和适应性强的 MAS 提供了一种有前景的方法。源代码和基准可在 https://github.com/HASHIRU-AI/HASHIRU 和 https://github.com/HASHIRU-AI/HASHIRUBench 分别获取，按需提供 https://hashiruagentx-hashiruai.hf.space 的实时演示。