SKIMIX：使用技能混合的多智能体构架期扩展，用于动态构架工程

SKIMIX 是一个多智能体框架，通过不同技能组合的智能体协作与迭代改进，结合嵌入检索、子模抗稀释路由和自适应技能演化，用于动态构建聚合技能。在六个推理基准上，多智能体协作显著提升开放式数学推理，但在多项选择题上提升有限或为负。智能体数量扩展非单调，多数改进出现在第一轮精炼。

以往研究多关注训练或推理时扩展，较少关注构架期的技能组合。SKIMIX 提出一种动态选择与组合技能的方法，并揭示任务类型影响技能集成效果，为可扩展智能体设计提供了实证依据和实用指导。

SKIMIX 采用嵌入检索选择相关技能，子模函数避免冗余，自适应演化动态调整技能库。多智能体通过迭代精炼增强能力，但任务特性（如开放性）决定收益，且收益集中在首轮，说明技能集成存在边际递减。

产品团队在设计智能体系统时，应评估任务特性，优先在开放式推理场景部署多智能体协作，控制迭代轮数以节省计算资源；在多项选择或封闭任务中，多智能体可能得不偿失，需谨慎使用。

• 针对开放式数学推理场景，集成 SKIMIX 多智能体框架，迭代一轮即可获得主要收益。
• 在技能库管理中采用子模抗稀释路由，降低冗余，提升检索效率。
• 开发任务类型检测机制，自动决定启用还是跳过多智能体协作，以节省成本。

• SKIMIX 在非推理类任务（如对话、规划）上的表现如何？
• 技能演化机制在长期、动态技能库中的稳定性与效率如何？
• 多智能体协作的额外算力开销是否被提升的准确率抵消？
• 证据仅来自六个基准，其结论能否泛化到生产环境？