Tool-RoCo 论文核心总结与翻译一、主要内容总结1. 研究背景与问题现有基于大语言模型（LLMs）的多智能体系统（MAS）基准存在两大局限：一是依赖预定义协作流程或固定角色设定，忽视智能体自主性；二是工具使用评估仅关注单智能体或短期场景，缺乏对多智能体长期互动中动态协调能力的衡量。2. 核心方案：Tool-RoCo 基准基础框架：基于多机器人协作基准 RoCo 扩展，提出用于评估 LLMs 在长期多智能体协作中自主性与协调能力的基准，包含 3 个多机器人任务（CABINET、PACK、SORT）和 4 种协作范式。核心概念：首次引入“Agent-as-Tool”（智能体即工具）理念，将其他智能体视为可调用的协作工具，候选工具集分为普通工具（如 PICK、OPEN 等环境交互动作）和协作工具（如激活/停用其他智能体）。协作范式（按自主性从低到高）：集中式协作：单一 LLM 感知全局状态，为所有智能体分配工具；集中式自组织：中央 LLM 自主激活/停用智能体，同时分配工具；分布式协作：每个智能体配备独立 LLM，基于局部信息调用工具；自组织协作：随机初始化单个活跃智能体，通过协作工具动态激活/停用其他智能体，形成自适应团队。