Thought团队：通过协调工具调用实现智能体系统的高效推理时扩展

现有的多智能体系统（MAS）通常依赖静态、同质化的模型配置，限制了其利用不同微调模型独特优势的能力。为解决这一问题，本文提出了一种名为Team-of-Thoughts的新MAS架构，通过协调器-工具范式利用异构智能体的互补能力。该框架引入了两个关键机制以优化性能：(1) 协调器校准方案，用于识别具有更强协作能力的模型；(2) 自我评估协议，使工具智能体能够根据自身领域专长进行自我分析，以应对微调后技能的差异。在推理过程中，协调器根据这些能力档案动态激活最合适的工具智能体。实验结果表明，在五个推理和代码生成基准测试中，Team-of-Thoughts始终表现出更优的任务性能。特别是在AIME24和LiveCodeBench上，该方法分别达到了96.67%和72.53%的准确率，显著优于同质化角色扮演基线方法（80%和65.93%）。