GraphDC：用于可扩展图算法推理的分而治之多智能体系统

arXiv:2605.06671v1 公告类型：新 摘要：大型语言模型 (LLM) 已在许多数学问题上展现出强大的潜力。然而，它们在图算法任务上的表现仍然不能令人满意，因为图在拓扑上自然更加复杂，并且通常需要系统的多步骤推理，尤其是在较大的图上。受这一差距的启发，我们提出了 GraphDC，一种用于可扩展图算法推理的分而治之多智能体框架。具体来说，受分而治之设计的启发，GraphDC 将输入图分解为更小的子图，将每个子图分配给专门的代理进行局部推理，并使用主代理将本地输出与子图间信息集成以产生最终解决方案。这种分层设计减少了单个代理的推理负担，减轻了计算瓶颈，并提高了大型图实例的鲁棒性。大量实验表明，在不同任务和规模上，GraphDC 在图算法推理方面始终优于现有方法，尤其是在直接端到端推理不太可靠的大型实例上。