多智能体调度引入大模型协商机制

异构移动边缘云基础设施上的流处理系统正面临日益复杂的调度挑战。工作负载波动、资源争用以及严苛的服务质量要求，使得传统的集中式调度方案难以应对。最新研究提出了一种名为MAS-DecStream的多智能体调度框架，其核心创新在于将大语言模型引入经典合同网协议，形成LLM-MR-CNP扩展机制。

合同网协议是分布式系统中常用的任务分配协商机制，但在动态边缘环境中，标准的单轮协商往往难以处理语义模糊的卸载请求和不确定的资源状态。MAS-DecStream对此进行了系统性增强：语义化任务公告生成、渐进式上下文披露、多轮提案修订、协商记忆以及确定性验证。这些组件让边缘集群智能体能够从局部观测、预测资源状态和定性运行时上下文中，提炼出自然语言卸载提案，同时确保硬性资源约束和服务质量约束保持确定性与可验证性。

为评估该方案效果，研究人员基于阿里巴巴ASI Trace数据集设计了三个层面的对比实验：单轮与多轮合同网协商、规则驱动与大模型辅助的提案精炼、固定模型下单轮与多轮协商模式。实验结果显示，MAS-DecStream将延迟违规率降低至3%，完全消除了资源过度承诺现象，在20个智能体场景下冲突解决率达到0.91，效用相比多轮规则基线最高提升22%。

研究还专门进行了25个案例的敏感性分析，揭示了模型选择与提示词设计对准确性和成本之间的权衡规律。这表明大模型带来的收益并非无条件，需要针对具体情境进行合理配置。综合来看，多轮协商精炼是协议层面的主要增益来源，而大语言模型在定性判断和不确定运行时环境中的辅助作用，则为边缘调度系统提供了新的能力维度。

该研究为移动边缘计算中的分布式调度提供了一种融合符号交互与语义推理的新范式，也为后续在更复杂流处理场景下探索大模型驱动自治系统的实践奠定了基础。