MAGIC：通过增量构建与密集奖励强化学习的混合粒度智能体图

该论文指出现有多智能体协作拓扑生成方法在整个组织中统一使用单个智能体或预定义分组，忽略了不同子任务的协作需求差异。作者提出 MAGIC 框架，按功能角色逐个选择粒度，把角色实例化为单个智能体或可复用分组并连接到已有单元，从而增量构建混合粒度智能体图；训练时用当前策略采样轨迹的回报直接优化构建策略，并以基于势函数的奖励塑形提供中间反馈。论文称该框架在八个基准上超过现有基线，并在效率研究中表现出较强的推理效率。

此前生成协作图的方法通常在单一粒度上做全局决策，要么全用单个智能体，要么全用固定分组；MAGIC 把粒度选择下放到每个功能角色，使同一个组织内同时存在细粒度控制与可复用协作模式。这改变了多智能体系统在效果与执行成本之间的取舍方式，并针对构建空间组合爆炸、中间反馈稀缺的问题给出了密集奖励方案。

混合粒度组织的构建是组合空间搜索，最终答案奖励稀疏，难以指导中间决策。MAGIC 因此按“选择功能角色—实例化为单智能体或可复用分组—连接到已有单元”的顺序增量生成图，用当前策略采样轨迹的回报直接优化构建策略，并用基于势函数的奖励塑形，把基于探针的效用与结构信号作为中间反馈，同时保留累积任务奖励。

对多智能体产品与研发而言，协作拓扑不再是一次性全局设定，而可按角色逐点配置粒度，便于在同一系统中复用成熟分组并只对关键环节使用单智能体，从而控制调用成本。密集奖励塑形也降低了训练构建策略对最终答案奖励的依赖。但论文尚未给出具体任务类型、组织规模或成本下降幅度，落地前需自行验证。

• 在多智能体编排产品中提供按角色选择“单智能体或可复用分组”的配置项，并记录每次构建的增量拓扑。
• 将基于探针的效用与结构信号接入训练管线，作为构建策略的中间反馈，减少对最终答案奖励的等待。
• 针对内部高频任务，复用已有的粗粒度分组模板，只对失败子任务下钻为单智能体，控制调用成本。

• MAGIC 在八个基准上的具体任务类型、基线名称和指标数值未在证据中给出。
• 效率研究中的推理效率提升幅度、评测口径与硬件条件尚不明确。
• 潜在奖励塑形中探针效用与结构信号的具体定义和权重未披露。
• 该方法对组织规模、角色数量和构建迭代次数的可扩展性缺少证据。