NeuroMAS：基于联合强化学习的多智能体神经网络架构

提出NeuroMAS方法，将多智能体语言系统视为可训练神经网络架构，利用强化学习确定节点通信与协作，显著优于现有推理及训练基线。 该架构摒弃预设语义角色，允许深度、宽度及连接性作为能力扩展来源，理论分析表明其在层次化任务分解中更具参数效率。 实验发现组织规模化具有路径依赖性，从较小已训练系统渐进扩展更可行，验证了学习式神经多智能体系统作为LLM扩展轴的有效性。