SSR：面向大规模智能体发现的结构信号检索器

Giancarlo Maldonado Cárdenas, Carlos A. Astudillo, Nelson L. S. da Fonseca

论文 2026 原文 2026-10-15 arXiv preprint arXiv:2610.21113 [cs.MA] arXiv:2610.21113 收录 2026-10-19 agent-discoveryagent-registryagent-cardretrievalorchestrationevaluation

摘要

大规模多智能体生态需要在不把整个注册表塞给大模型编排器的前提下发现合适的智能体。难点不只是从不断增长的注册表中检索相关 Agent Card，还在于维持紧凑的候选上下文——每多一个候选都会推高提示长度、推理成本、时延与超出上下文窗口的风险。作者把该问题定义为「候选上下文可扩展性」，提出 SSR（结构信号检索器）：一种面向 Agent Card 发现的确定性、免训练检索方法，从承载能力的 Agent Card 字段中提取结构化词法信号，用 IDF 加权，并以倒排信号索引（ISI）做选择性候选打分。在 1000 个智能体的规模下，相比全目录编排，SSR 将 LLM 输入减少 98.8%、编排时延降低 70.9%；在 MS MARCO 上 IDF 提升了结构表示内的检索效果，ISI 在保持效果的同时把显式打分的段落减少 96.8%。端到端实验显示候选预选能在注册表增长时维持紧凑上下文，并避免全目录编排出现的运行失败。

引用本文条目

GB/T 7714-2015

Giancarlo Maldonado Cárdenas, Carlos A. Astudillo, Nelson L. S. da Fonseca. SSR: Structural Signal Retriever for Scalable Agent Discovery in LLM-Orchestrated Multi-Agent Systems[EB/OL]. arXiv preprint arXiv:2610.21113 [cs.MA], 2026(2026-10-15)[2026-10-21]. https://arxiv.org/abs/2610.21113.

BibTeX

@misc{crdenas2026,
  author = {Giancarlo Maldonado Cárdenas and Carlos A. Astudillo and Nelson L. S. da Fonseca},
  title = {SSR: Structural Signal Retriever for Scalable Agent Discovery in LLM-Orchestrated Multi-Agent Systems},
  year = {2026},
  organization = {arXiv preprint arXiv:2610.21113 [cs.MA]},
  howpublished = {\url{https://arxiv.org/abs/2610.21113}},
}

查看原文 ↗

本条目为「智联观察」资料库收录，引用时请注明来源与本页链接。