★ FEATURED ARTICLE # Agensh: Scaling Organizational Intelligence to 1,024 Agents（arXiv:2609.26781）论文总结与翻译 作者：Zhihao Zhan, Ting Song, Li Dong, Shaohan Huang, Jianxun Lian, Yan Xia, Furu Wei 论文链接：https://arxiv.org/abs/2609.26781## 一、文章主要内容本文来自微软研究院，针对现有多智能体系统的**中央调度器瓶颈**问题，提出了**Agensh**，一套无中央调度器、可自组织的大规模多智能体运行框架，可扩展至1024个智能体协同工作。现有多智能体框架大多依赖一个中央调度器，负责任务分配、工作者协调。当智能体数量增大时，调度器会成为性能上限，难以支撑大规模智能体集群。Agensh摒弃中心化调度，让各个工作智能体异步自主完成一套协作循环：收集上下文、认领子任务、执行动作、共享发现、校验结果、合并进度。整套系统依靠三大基础设施组件支撑：1. **共享工作空间**：存放待开展、进行中、已完成的工作；2. **消息接口**：供各个工作智能体互相通信；3. **共享上下文**：保存可复用的发现结果与工作意图。实验基于GPT‑5.6‑sol(high)模型，在ProgramBench最难的5项编程任务上：智能体从1个扩到128个，测试通过率均值从19.31%提升至28.78%，相对提升约49%；更大规模智能体集群可以更快达到同等性能。在pandoc任务上，智能体从1扩展到1024时，测试通过率由33.89%提升到55.06%。智能体运行轨迹分析表明：随
阅读完成 · 觉得有帮助？
)
