思想的经济：以经济交互涌现的多智能体智能

用拍卖竞争与财富积累让弱智能体自组织成强群体智能

前置知识

部分可观测马尔可夫决策过程 (POMDP)

用元组 $E=(S,A,P,r,\gamma,\mu_0)$ 描述的序贯决策环境，含状态空间$S$、动作$A$、转移核$P(s'|s,a)$、奖励$r$、折扣$\gamma$和初始分布$\mu_0$；智能体只能观测$o_t$而非真实状态$s_t$。本文把每个任务建模为POMDP。

本文把任务环境形式化为POMDP，所有拍卖、动作选择、桶式接力信用分配都建立在状态转移与奖励之上，看懂这套数学框架才能理解经济机制如何嵌入决策过程。

桶式接力与哈耶克机器 (Bucket-brigade & Hayek Machine)

Baum提出的信用分配机制：智能体获胜后把出价付给上一个活跃智能体，自己再收取环境奖励，使价值沿成功轨迹反向流动，无需全局标注。哈耶克机器用经济压力决定哪些'例程'行动、如何连接、如何更新。

EOM的核心创新正是把哈耶克机器从手工条件-动作规则推广到基于LLM的谓词与策略，理解这一机制才能看懂为何财富增减能替代监督。

LLM智能体 (LLM Agent)

以大语言模型为'大脑'的智能体，通过系统提示词定义角色，能推理、调用工具、在数字/具身环境中行动。本文中所有智能体共享一个冻结的LLM骨干，多样性完全来自提示词$p_a=(p^{trig}_a, p^{act}_a)$。

EOM的所有智能体都是冻结骨干LLM加不同提示词的实例，理解'同骨干不同提示'的设定是理解后续提示词空间演化的前提。

拍卖与市场选择 (Auction & Market Selection)

拍卖是一种去中心化资源分配机制：合格智能体各报一个出价$b_a$，最高出价者赢得行动权。市场选择指财富积累者存活并被变异、破产者被淘汰，类似自然选择但由经济信号驱动，无需显式标签。

拍卖是EOM规划阶段的行动选择机制，市场选择是适应阶段的种群演化机制，二者构成全文方法的两根支柱。

研究动机

现有的多智能体系统普遍依赖一个中央编排器来创建智能体、分配专长、协调动作。这种集中式架构存在两个根本性局限。第一，规划被卡在单一协调瓶颈上：所有信息和决策都必须流经编排器，既造成性能瓶颈，又是单点故障来源。第二，随着系统规模增长，学习和适应变得愈发低效——编排器必须推理和管理不断膨胀的智能体集合，协调复杂度随系统规模线性增长。同时，单个基于大模型的智能体受限于有限上下文长度、部分知识、有限推理预算和受限的工具访问，难以独自端到端完成复杂的组合式任务。在数学推理、金融研究、科学研究和加速器设计等任务中，精心设计的单智能体往往引入阻碍通用性的归纳偏置。这促使作者思考：能否不设计更好的中央控制器，而让一群智能体自发形成去中心化智能。

本文的目标是本文的具体目标是构建一个去中心化多智能体框架，让一群原本能力受限的'部分智能体'(partial agent)仅凭局部信息和经济激励，就能自发编排、自我进化，形成超越任何单个'完整智能体'的集体智能。作者希望证明：无需全局感知、显式协调协议、人工设计的拓扑或预定义通信流程，仅靠拍卖竞争、点对点交易和基于财富的选择，就能诱导出信用分配、分工与协作。目标是在五个差异极大的任务域上——数学推理(MATH)、金融研究(Finance-Agent-Bench)、科学研究(FrontierScience)、加速器设计(GEMMINI)和分布式系统优化(Cloudcast)——验证经济组织能否让弱个体组合成强系统，并超越具备完整接口访问的强基线。

与已有工作不同的是，本文的独特切入角度是把经济学理论——尤其是哈耶克《知识在社会中的运用》中关于价格系统聚合分散知识、实现去中心化协调的洞见——以及Baum的'哈耶克机器'，直接嫁接到现代大模型智能体上。与主流多智能体工作(如编排器驱动、显式通信、多智能体辩论)不同，作者不工程化协调机制，而是设计激励结构让协调自然涌现。关键区别在于：智能体完全局部运作，只需'唤醒条件'和'动作'；全局智能纯粹由经济信号(财富增减)塑造。这把哈耶克机器从手工的'条件-动作'规则推广到基于模型的谓词和策略，填补了'用市场机制驱动LLM智能体群体进化'这一空白。

核心方法

Economy of Minds (EOM) 的整体思路是：把智能体社会建模成一个经济系统，包含两个耦合过程。其一是规划(planning)：在单个任务episode内，智能体通过拍卖竞争'行动权'，胜者执行动作、按其出价向上一个活跃智能体付款，并收集环境奖励——这正是'桶式接力'(bucket-brigade)信用分配，让价值沿成功轨迹反向流动。其二是适应(adaptation)：跨episode的群体演化通过经济选择完成——每个智能体定期交租金，财富转负者破产删除，富有的智能体作为父代被变异(开发)，破产者被新变异补充(探索)。直觉上，市场价格系统聚合分散信息、协调个体；技术路线上，智能体共享一个冻结的LLM骨干，多样性完全来自系统提示词，演化只发生在提示词空间。

核心创新点是用'简单的经济激励'替代'工程化的协调'，从而在冻结骨干上涌现出多步推理和分工。与已有方法的本质区别有三：第一，控制权不是由中央策略分配，而是由拍卖中标者获得 $a^*_t = \arg\max_{a \in E_t} b_a$，出价是引入时冻结的常量而非在线学习。第二，信用分配无需全局标注，桶式接力 $W_{a^*_t} \leftarrow W_{a^*_t} - b_{a^*_t} + r_t$、$W_{a^*_{t-1}} \leftarrow W_{a^*_{t-1}} + b_{a^*_t}$ 让奖励沿轨迹反传。第三，群体进化完全由财富信号驱动：富者存活并变异、穷者破产被替换，无需监督。'新手规则' $b_{a'} = \max_{a \in C_t} b_a + \varepsilon_{a'}$ 保证新智能体至少赢一次拍卖，强制市场检验。

方法步骤详情

步骤如下。输入：任务流、初始部分智能体种群 $P_e$ (各含触发谓词 $\phi_a$、策略 $\pi_a$、冻结出价 $b_a$、财富 $W_a$)、提示生成算子 $G$、租金 $\rho$、初始财富 $W_0$。1) 规划：对每步 $t$，当前观测 $o_t$ 下计算合格集 $E_t=\{a \in P_e:\phi_a(o_t)=1\}$；若空则终止，否则选出最高出价者 $a^*_t$，它从 $\pi_{a^*_t}$ 采样动作推进环境，得 $o_{t+1}$ 和奖励 $r_t$，并执行桶式接力付款。2) 适应(episode间)：先收租金 $W_a\leftarrow W_a-\rho$；删除 $W_a<0$ 者；按开发(变异最富者)与探索(修正破产者)注入新智能体至种群上限，新手按上述规则定出价。3) 评估：冻结种群、固定出价、关闭经济更新，在每个测试任务上用线程局部快照运行拍卖仅作决策规则。输出：学到的提示词种群及其涌现的协作拓扑。

技术新颖性

技术新颖性体现在三方面。一是理论层面：把Baum的哈耶克机器从手工'条件-动作'规则推广到基于LLM的模型化谓词 $\phi_a(o)=\text{LLM}(p^{trig}_a;o)$ 和策略 $\pi_a$，使条件不再是固定阈值、动作不再是固定动作，而是模型推理输出。二是机制层面：拍卖加桶式接力提供了去中心化信用分配，且出价冻结、仅由'新手规则'初始化，避免了在线出价学习的非平稳性。三是演化层面：仅用财富积累与破产作为选择压力，不依赖任何全局性能标签或奖励塑形，就在加速器设计任务中自发收敛到输出稳态(output-stationary)数据流这一可迁移的硬件-软件协同设计启发式，证明市场选择能发现可复用的领域结构。三者共同构成'用激励结构替代协调工程'的新范式。

实验结果

核心发现：经济协调能让弱个体变成强系统，且优势不止于'多智能体胜单智能体'。在MATH上，EOM把Llama-3.1-8B的部分智能体从15.9%提升到57.0%，超过同骨干完整智能体基线51.9%；Gemma-2-9B从4.2%到45.1%，超过44.3%(Table 1)。加速器设计上平均EDP降到39.3，优于完整智能体43.1和领域方法DOSA的80.2。Finance-Agent-Bench从45.0%升到60.0%，胜过辩论50.0%、REACT 45.0%、GEA 50.0%。FrontierScience达8.5%均值/20.0%最佳，碾压GEA的1.8%/5.0%。Cloudcast最佳成本657对比OPENVOLVE的930，降低28%。消融(Table 2)显示移除探索使Finance均值从52.5暴跌到26.0，移除拍卖、开发也均下降，证明经济机制各部分缺一不可。更关键的是best-of-N多智能体采样(999)远不及EOM(673)，说明非市场驱动的'多智能体'不足以解释收益。

**Table 1**: Performance across domains (MATH accuracy and accelerator EDP).

**Table 2**: Ablations on MATH and Finance-Agent-Bench.

**Figure 4**: Performance across domains.

**Figure 5**: Training dynamics in accelerator design (per-agent wealth).

**Figure 6**: Easy-to-hard generalization on MATH.

**Figure 7**: Mechanism, robustness, and generalization analyses.

查看结构化数据

任务	指标	本文	基线	提升
MATH 数学推理 (Llama-3.1-8B骨干)	贪心pass@1准确率	训练后57.0% (部分智能体，平均输出128 token)	同骨干完整智能体REACT 51.9%*；初始部分智能体15.9%	相对初始+41.1个点，超过完整智能体基线+5.1个点
加速器设计 (GEMMINI, 24个ResNet-50卷积核)	平均能量延迟积 EDP (µJ·Mcyc，越低越好)	EOM 39.3 (最难kernel上对DOSA最高达37.5×几何增益)	完整智能体Gemma-4-31B 43.1；领域专用DOSA 80.2	比完整智能体低9.0%，比DOSA低51%；24核几何均值2.2×提升
Finance-Agent-Bench 金融研究	问答准确率	30个训练任务后60.0%	Multi-Agent Debate 50.0%，GEA 50.0%，REACT 45.0%，初始45.0%	比最强基线(辩论/GEA)高+10个点，每个部分智能体仅用一个工具
FrontierScience-Research 开放科学研究	准确率 (均值/最佳运行，Gemini-3-Flash骨干)	均值8.5%，最佳20.0%	GEA 均值1.8%，最佳5.0%	均值提升约4.7×，最佳运行提升4×
Cloudcast 分布式系统优化 (ADRS)	总数据传输成本 (越低越好)	均值673，最佳657 (3次运行)	OPENVOLVE 930；种子程序1035；best-of-30无演化999	最佳成本相对OPENVOLVE降低28%，且用更少优化episode

局限与改进

作者承认的主要局限是适应只发生在提示词空间、骨干模型冻结，可能限制需要新技能或新表征任务的能力增长。我自己补充几点观察：其一，全部实验依赖较强的Gemini/Gemma/Llama骨干，所谓'弱个体'其实是强模型加受限提示，并非真正的弱模型；其二，奖励函数明确且可量化(EDP、准确率、成本)，对于难以定义标量奖励的开放任务，市场信号可能失效；其三，桶式接力本质是离散episode的信用分配，对超长horizon任务价值反传是否仍高效未验证；其四，'新手规则'强制新智能体至少赢一次拍卖，可能在中期引入大量噪声探索成本；其五，财富初始化 $W_0$、租金 $\rho$ 等超参对性能敏感(消融显示租金放大10倍即掉分)，缺乏系统的自动调参机制。

独立分析的弱点

独立分析的弱点：一是超参脆弱性，租金 $\rho$、奖励幅度、初始财富 $W_0$ 需精调，Table 2显示租金放大10倍、奖励缩放0.2或放大4倍均使MATH均值从43.9跌到39.0–41.8，建议引入自适应租金或基于种群规模的 $\rho$ 调度。二是冻结出价假设过强，'新手规则'依赖当前竞争者出价，在多智能体同时注入时可能互相抬价，可改为贝叶斯估价的在线出价。三是任务流依赖，curriculum实验显示反向顺序仍能改善但终点低约10个点，提示对任务排序敏感，未来可做主动课程学习。四是骨干限制，仅提示词演化，可结合LoRA或参数级微调做混合适应。五是评估偏乐观，多数任务是'最佳运行'(best-run)报告，工程部署更关心均值稳定性，应补充分布与方差。

未来方向

作者提出的方向：扩展到参数空间训练与混合适应(提示词加权重)，并推广到多模态、具身智能体骨干。基于本文成果可延伸的方向：其一，把市场机制用于开放世界终身学习，让种群持续面对非平稳任务流而不灾难性遗忘；其二，研究多个'智能体经济'之间的竞争与贸易，类比国际贸易形成更宏观的分工；其三，用信息论或机制设计理论刻画'最优激励结构'，当前 $\rho$、$W_0$ 仍靠经验设定；其四，将拍卖替换为组合拍卖或双拍卖，支持多智能体同时行动的并行规划；其五，在可验证奖励(数学、代码)之外，探索基于人类偏好或宪法AI的软奖励，拓展到对齐与安全任务；其六，把经济选择与梯度学习统一，形成可端到端微调的'可微市场'。

复现评估

复现评估：论文未在正文提供明确的官方代码仓库链接(正文仅列GitHub与Project Page占位图标)，是主要短板。数据集均为公开基准——MATH、Finance-Agent-Bench、FrontierScience-Research、GEMMINI、Cloudcast(ADRS)——可获取，但部分(GEMMINI硬件仿真、FrontierScience科学环境)需要领域特定配置，搭建门槛较高。算力方面，种群级多次LLM调用成本显著：每个episode每步要触发多个智能体的谓词检查与出价、胜者采样动作，加上跨episode的变异，总token开销远超单智能体REACT，论文未报告具体token或美元成本。任务协议、智能体定义、工具、骨干在Appendix D给出，算法伪代码(Algorithm 1/2)清晰。整体复现中等偏难，主要瓶颈在算力、领域环境搭建与缺失的官方代码。

思想的经济：以经济交互涌现的多智能体智能 Economy of Minds: Emerging Multi-Agent Intelligence with Economic Interactions