arXiv · cs.AI· Liang Qu, Jianxin Li, Hua Wang·· 1 天前
MAAGL 多智能体代理图学习：基于结构签名实现区域化协作
Multi-Agent Agentic Graph Learning via Structural Signatures
arXiv:2609.09565v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Liang Qu, Jianxin Li, Hua Wang
研究任务与主要进展
作者提出多智能体代理图学习框架 MAAGL，通过社区分工、结构签名和按需辩论协作处理异构图推理，并报告其在四个基准数据集上优于现有 SOTA AGL 方法。MAAGL 将结构证据表示为动态更新、置换不变且大小固定的签名，将语义证据筛选为按相关性排序的前 k 个节点；智能体依据具有相似签名的历史轨迹估计置信度，并在需要时触发辩论式协作。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org