跳转至

Read this paper write-up in English

SSR：Agent能力字段的结构信号检索

论文信息

字段 内容
论文链接 arXiv 2610.21113；v1 全文
原文标题 SSR: Structural Signal Retriever for Scalable Agent Discovery in LLM-Orchestrated Multi-Agent Systems
公司/机构 一作 Giancarlo Maldonado Cárdenas：Institute of Computing, State University of Campinas（UNICAMP），Brazil
首次公开日期 2026-10-15；2026-10-15T02:16:12Z
原文开源代码 有原作者公开仓库，但本轮未见许可证，不能视为MIT等宽松授权；本地仅按论文独立实现，未复制代码
Adapter structural-signal-retriever（目录键）；adapter: null，无 reproduction CLI adapter，未接入 evolve
本地复现代码目录 src/auto_research/agent_research/structural_signal_retriever.py；scripts/run_oct17_supplement_protocols.py
实现状态 component_only，L1 检索/接口诊断；diagnostic_only: true、promotion_eligible: false
完整实验 成本过高，不复现（审查 DONE）；not_reproduced_high_cost

原始论文总结

背景与主要改动

多 Agent 注册表扩大后，把全部 Agent Card 塞给 LLM 会增加输入和选择成本。SSR §III 不训练额外模型，而是从明确的能力字段提取可解释词法信号，以倒排表预先缩小候选池。这里 structural 指来源于 name、description、skills、tags、examples、tools 的字段，不是句法图或隐向量。核心词法机制是已有IDF检索的特定集成，不应包装为新语义模型。

flowchart LR
  C[Agent Card能力字段] --> N[统一分词与至多64个二元信号]
  Q[用户查询] --> N
  N --> I[倒排posting候选并集]
  I --> S[正IDF交集打分与确定性排序]
  S --> K[最多K个正分候选，不补零分]
  K --> E[外部编排器接口与失败记账]

原论文关键图

SSR：Agent能力字段的结构信号检索 原论文 Figure 1

原论文 Figure 1（关键图）：展示原论文的整体流程、关键阶段及其数据流向。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

文本转小写，以 [a-z0-9]+ 提取token，去掉少于2字符与固定stopwords，再形成 unigram 和相邻 bigram。信号二元去重；超出64个时先按词频降序、字典序打破平局保留unigram，然后按字典序补bigram：

\[ \operatorname{Score}(q,a)=\sum_{s\in S_q\cap S_a}\left[\log\frac{N+1}{df(s)+1}+1\right]. \]

倒排候选为：

\[ \mathcal C_q=\bigcup_{s\in S_q}\operatorname{ISI}(s). \]

所有IDF为正，因此恰好排除零分card，保持与穷举相同的正分排序。排序依次为分数降序、匹配信号数降序、card ID升序。无命中时返回空池，不回退全量或伪造选项。原文未枚举stopword表；本地发布显式 ssr-local-explicit-stopwords-v1，允许冻结替代表，不声称与作者预处理逐字节一致。

论文离线与线上效果

原文 SSR-AgentBench 有1,000 cards、250查询，比较全量编排与预选；MS MARCO 使用8,841,823 passages、6,980条dev查询，比较BM25、词法和穷举IDF。端到端SSR/BM25采用相同K、提示和解析器；空池、检索遗漏、API失败、非法索引仍计为端到端失败。K=20的独立验证为事后核验，不是完全前瞻选择。原文98.8%输入缩减等为其API配置结果，不是本地实测。线上生产 A/B：未报告。

本地复现

数据协议与运行

无数据下载、LLM调用或GPU需求。固定 revision synthetic-agent-cards-and-validation-trajectories@oct17-supplement-protocols-v1；seeds42/43/44各生成64张合成能力card及12个查询，检索器只接收能力文本，接口没有gold answer或目标card参数。

PYTHONPATH=src python scripts/run_oct17_supplement_protocols.py \
  --papers structural-signal-retriever --seeds 42,43,44 \
  --output runs/oct17-supplement/ssr-cpu.json

结果与独立对照

CPU三种子运行和定向测试通过。seed42的12条查询与独立full-scan排序一致，最大分数误差0；额外测试覆盖词频只影响截断而非重复加权、上限/tie、空registry和未命中。四个显式接口fixture分别为selected、empty_pool、api_failure、invalid_index，全部保留，实际编排模型调用数为0。这些是接口失败样例，不是Agent成功率。本地CPU诊断记录保存可审计逐seed数据。

代码映射与边界

structural_signals 与 StructuralSignalIndex 实现提取、倒排和精确排序；validate_orchestrator_selection 只验证外部1-based索引，空池无需调用provider；outcome_counts 不允许未知状态被静默丢弃。测试在 tests/agent_research/test_structural_signal_retriever.py。

没有真实LLM、官方SSR-AgentBench生成器移植、MS MARCO全量数据或公共任务能力比较。原文大规模检索使用约124GiB RAM，端到端还涉及付费API；完整实验成本过高，不复现（审查 DONE）。本地统计不证明论文的token/延迟或选择准确率收益，不接入evolve自动晋级。