ICML 2026｜重新認(rèn)識多智能體系統(tǒng)中的Orchestrator

南京大學(xué)人工智能學(xué)院博士生朱俊澤為本文第一作者，主要研究大模型多智能體理論、方法與框架；南京大學(xué)人工智能學(xué)院助理教授吳震為本文通訊作者，戴新宇教授為本文合作者。

現(xiàn)在，多智能體系統(tǒng)正成為大模型應(yīng)用的主流范式。為了讓模型完成更復(fù)雜的任務(wù)，人們開始把搜索、代碼、視覺、總結(jié)等能力接入同一個(gè)系統(tǒng)：有人負(fù)責(zé)找資料，有人負(fù)責(zé)編程，有人負(fù)責(zé)調(diào)用工具，有人負(fù)責(zé)檢查結(jié)果。架構(gòu)圖越來越復(fù)雜，執(zhí)行日志越來越長，系統(tǒng)看起來也越來越像一支會分工協(xié)作的 AI 團(tuán)隊(duì)。但一個(gè)更基礎(chǔ)的問題是：這支 AI 團(tuán)隊(duì)真的會協(xié)作嗎？

來自南京大學(xué) NLP 實(shí)驗(yàn)室的 ICML 2026 論文Recognize Your Orchestrator: An Entropy Dynamics Perspective for LLM Multi-Agent Systems指出：在當(dāng)前主流的 Orchestrator-Executor 多智能體架構(gòu)中，系統(tǒng)失敗往往并不首先來自某個(gè)執(zhí)行器不會干活，而是來自負(fù)責(zé)全局調(diào)度的 Orchestrator 逐漸失去對任務(wù)的掌控。換句話說，多智能體系統(tǒng)真正需要被重新認(rèn)識的，是那個(gè)負(fù)責(zé)指揮所有 Agent 的 “調(diào)度中樞”。

• 論文標(biāo)題：Recognize Your Orchestrator: An Entropy Dynamics Perspective for LLM Multi-Agent Systems
• 作者：Junze Zhu, Weihao Chen, Xuanwang Zhang, Zhen Wu, Xinyu Dai
• 單位：計(jì)算機(jī)軟件新技術(shù)全國重點(diǎn)實(shí)驗(yàn)室；南京大學(xué)人工智能學(xué)院
• 會議：ICML 2026
• 論文鏈接：arXiv:2606.01351
• 項(xiàng)目 / 代碼：NJUNLP/orchestrator_entropy

多智能體系統(tǒng)的瓶頸：

Orchestrator 的脆弱性

在一個(gè)典型多智能體系統(tǒng)中，Executor Agent 負(fù)責(zé)執(zhí)行具體任務(wù)，Orchestrator 更像一個(gè)項(xiàng)目經(jīng)理，負(fù)責(zé)理解用戶目標(biāo)、拆解任務(wù)、選擇合適的執(zhí)行器、讀取反饋，并決定下一步該做什么。這套結(jié)構(gòu)看起來很自然：復(fù)雜任務(wù)被拆給不同 “專家”，各自完成后再匯總。但當(dāng)任務(wù)鏈路變長時(shí)，問題就開始顯現(xiàn)。

工具越多，歷史日志越長，異常反饋越復(fù)雜，Orchestrator 面臨的信息壓力就越大。它可能派錯(cuò) Agent，誤讀 Executor 的輸出，陷入重復(fù)循環(huán)，提前終止任務(wù)，或者在遇到錯(cuò)誤反饋后無法恢復(fù)。此時(shí)，系統(tǒng)失敗并不是因?yàn)槟硞€(gè)工具完全不可用，而是因?yàn)?Orchestrator 沒有把工具用對。

論文對 Deep Research、Agent Coder、GUI Browser 和 Agentic RAG 等典型多智能體系統(tǒng)進(jìn)行了失敗歸因分析。結(jié)果表明，在四類場景中，Orchestrator 承擔(dān)了主要失敗責(zé)任。這一發(fā)現(xiàn)將分析重點(diǎn)從 “單個(gè) Agent 是否足夠強(qiáng)” 轉(zhuǎn)向了 “調(diào)度過程是否穩(wěn)定”。

圖 1：多智能體系統(tǒng)失敗歸因分析。Orchestrator 在四類系統(tǒng)中均承擔(dān)主要失敗責(zé)任。

用 “調(diào)度熵” 觀察系統(tǒng)如何失序

Orchestrator 作為多智能體系統(tǒng)的調(diào)度者，每一步它都需要回答一個(gè)問題：下一步應(yīng)該調(diào)用誰？當(dāng)它非常確定時(shí)，選擇會集中在少數(shù)幾個(gè)合適的 Agent 上；當(dāng)它不確定時(shí)，選擇會在多個(gè)方向之間搖擺。這種調(diào)度分布的分散程度，就是論文關(guān)注的調(diào)度熵。從直觀上看，Orchestrator 的調(diào)度過程受到兩股力量影響：

• 任務(wù)推進(jìn)帶來的聚焦力：隨著任務(wù)逐漸被解決，系統(tǒng)應(yīng)該越來越清楚下一步該做什么，不確定性下降，調(diào)度行為趨于穩(wěn)定。
• 上下文累積帶來的擴(kuò)散力：每一輪工具調(diào)用、歷史日志、異常反饋和中間結(jié)論都會進(jìn)入上下文。信息越堆越多，噪聲也隨之增加，調(diào)度者反而可能被歷史信息淹沒，重新變得不確定。

因此，多智能體系統(tǒng)的穩(wěn)定性，本質(zhì)上取決于 Orchestrator 能否在越來越復(fù)雜的上下文中持續(xù)維持清晰判斷。論文提出的Mean-Field Entropy Dynamics框架，正是用熵動(dòng)力學(xué)刻畫這一過程：任務(wù)解決帶來 “聚焦”，上下文累積帶來 “擴(kuò)散”，二者共同決定系統(tǒng)是逐步收斂，還是走向失穩(wěn)。這個(gè)視角的意義在于，它不再只是看最終結(jié)果，而是試圖描述多智能體系統(tǒng)內(nèi)部的不確定性如何隨時(shí)間演化。

IWG：讓過程變得可檢查

要分析 Orchestrator 的調(diào)度過程，僅有最終答案遠(yuǎn)遠(yuǎn)不夠。傳統(tǒng) benchmark 往往只提供初始問題和最終答案。對于多智能體系統(tǒng)來說，這相當(dāng)于只知道項(xiàng)目最后是否成功，卻不知道中間哪一步派錯(cuò)任務(wù)、讀錯(cuò)反饋、哪個(gè)節(jié)點(diǎn)導(dǎo)致后續(xù)連鎖偏差。

為了克服高質(zhì)量智能體工作流軌跡中檢查錨點(diǎn)的稀缺性， 論文提出Inverse Workflow Generation（IWG）。它的核心思想是：不從問題正向采集軌跡，而是從目標(biāo)答案出發(fā)，反向構(gòu)造一個(gè)可執(zhí)行、可驗(yàn)證的交互環(huán)境。整個(gè)流程包含三個(gè)組件：

• Scout Agent：從最終答案倒推必要的中間任務(wù)，形成能力感知的任務(wù)標(biāo)記。
• Wrapper Agent：將抽象任務(wù)落地為具體環(huán)境狀態(tài)和工具反饋，而不是直接泄露答案。
• Validation Committee：通過多層驗(yàn)證保證任務(wù)可解、路徑一致、事實(shí)可靠。

IWG 并不生成 Orchestrator 的執(zhí)行軌跡，而是構(gòu)造一個(gè)帶有中間檢查點(diǎn)的任務(wù)環(huán)境。真正的調(diào)度軌跡仍然由被測模型在該環(huán)境中自行生成。基于 IWG，研究者能觀察到 Orchestrator 在每一步如何決策，以及它從什么時(shí)候開始偏離、震蕩或坍縮。

圖 2：IWG 系統(tǒng)流程。Scout、Wrapper 與 Validation Committee 共同構(gòu)造具備中間檢查點(diǎn)的可驗(yàn)證任務(wù)環(huán)境。

模型強(qiáng)，不等于會做 Orchestrator

圖 3：完整模型測評主表。該表同時(shí)展示 System-Level 與 Orchestrator-Level 指標(biāo)，是本文全部結(jié)果的主圖。

論文搭建了一個(gè)包含 7 個(gè) Executor Agent 的多智能體系統(tǒng)，并讓不同大模型擔(dān)任 Orchestrator，完成任務(wù)分解、執(zhí)行器選擇、反饋?zhàn)x取和異常處理。論文沒有把結(jié)果簡單處理成模型排行榜，而是同時(shí)考察兩個(gè)層面：一是 System-Level，即整個(gè)系統(tǒng)最終是否完成任務(wù)；二是 Orchestrator-Level，即調(diào)度者每一步是否成功、是否忠實(shí)利用執(zhí)行器輸出、能否處理異常，以及整體軌跡是否保持一致。

實(shí)驗(yàn)顯示，System-Level 與 Orchestrator-Level 并不總是同步。有些模型生成的工作流結(jié)構(gòu)看起來接近參考路徑，但最終任務(wù)完成并不穩(wěn)定；也有些模型最終成功率不一定最高，卻在 Step-SR、Consistency 等過程指標(biāo)上表現(xiàn)更穩(wěn)。這說明，多智能體系統(tǒng)中的 Orchestrator 能力，不能簡單等同于單輪推理能力，也不能只用最終答案衡量。一個(gè)好的調(diào)度者，不只是 “聰明”，還要能在長鏈路、多工具、高噪聲的上下文中維持穩(wěn)定的全局判斷。

從熵動(dòng)力學(xué)角度看，不同模型呈現(xiàn)出不同調(diào)度風(fēng)格：有些模型初始探索幅度大、路徑切換頻繁，能夠快速展開候選方案，但更容易在后續(xù)步驟中失去穩(wěn)定性；另一些模型調(diào)度更穩(wěn)、熵增長更慢，更擅長在長程任務(wù)中維持一致性。

圖 4：Mean-Field Entropy Dynamics 擬合結(jié)果。曲線展示任務(wù)推進(jìn)與上下文累計(jì)如何共同塑造調(diào)度熵演化。

Reasoning Trap：想得越多，

不一定調(diào)度越穩(wěn)

論文最反直覺的發(fā)現(xiàn)之一，是重推理模型在多智能體調(diào)度場景中未必更占優(yōu)勢。在封閉式推理任務(wù)里，更長的思考鏈通常意味著更充分的推理。但 Orchestrator 面臨的是另一類問題：它每一步都必須讀取用戶目標(biāo)、系統(tǒng)約束、歷史執(zhí)行日志、多個(gè) Executor 的反饋和異常信息。如果模型在此基礎(chǔ)上繼續(xù)生成大量內(nèi)部思考，有限的注意力預(yù)算就可能被自我生成內(nèi)容擠占，導(dǎo)致外部關(guān)鍵信號被稀釋。論文將這一現(xiàn)象稱為 Reasoning Trap：模型不是不會推理，而是被自己的推理鏈擠壓了用于觀察外部環(huán)境的空間。

圖 6：Reasoning Trap 實(shí)驗(yàn)。降低推理深度后，模型在調(diào)度效率和步驟成功率上反而呈現(xiàn)更穩(wěn)趨勢。

論文比較了不同推理深度設(shè)置下的模型表現(xiàn)。結(jié)果顯示，抑制過度思考后，模型在調(diào)度效率和步驟成功率上反而更穩(wěn)。這意味著，適合做 Orchestrator 的模型，并不一定是 “想得最長” 的模型，而是能夠在復(fù)雜上下文中快速過濾噪聲、理解反饋，并穩(wěn)定決定下一步行動(dòng)的模型。

多智能體系統(tǒng)的能力上限，不只取決于執(zhí)行器是否強(qiáng)大，也取決于 Orchestrator 是否能在長鏈路、多工具、高噪聲上下文中保持穩(wěn)定。論文提出的 Mean-Field Entropy Dynamics，為分析 Orchestrator 提供了一個(gè)可解釋的動(dòng)力學(xué)視角；IWG 則為過程級評估提供了可驗(yàn)證數(shù)據(jù)基礎(chǔ)。

隨著 Agent 系統(tǒng)繼續(xù)走向更復(fù)雜的任務(wù)環(huán)境，單純堆更多工具、更長上下文或更強(qiáng)執(zhí)行器，可能并不足夠。

未來更關(guān)鍵的問題是：

我們能否識別、度量并約束那個(gè)真正負(fù)責(zé)調(diào)度全局的 Orchestrator。