要点现有多智能体系统的编排器（LangGraph 的图、AutoGen 的对话轮转）都是人工设计的固定结构——个体能力训练和集体组织方式是两个割裂的问题。MPT（Market-based Post-Training）把两者统一：智能体通过出价表达参与意愿，出价决定谁行动，集体结果反过来训练出价策略。
反直觉推理时种群越大性能越好，且 agent 掉线的性能损失反而更小——与「协调开销随规模增长」的传统直觉相反。
验证具身合成、机器人导航、深度搜索三域验证均超越整体后训练基线；代码与模型已开源。
搭过 LangGraph 图或者写过 AutoGen 角色配置的人都有体感：多智能体系统里最难的不是让单个 agent 变强，而是决定「谁在什么时候上场」。这个编排决策目前完全靠人工：
更深的割裂：即使你用 RL 把每个 agent 的个体能力训练到极致，它们之间的组织方式仍然是拍脑袋的——能力训练和编排设计是两个没有对话的学科。
任务到达 → 各 agent 评估自身适配度并出价
→ 出价最高的 agent 行动（市场自动裁决）
→ 集体结果产生回报
→ 回报按参与和贡献分配为训练信号
→ 行动策略与出价策略同步更新 → 循环
三步看懂设计意图：
agent 的出价函数本身是策略网络的一部分——它学会的不只是「这个任务我能做」，还有「这个任务值不值得我做」（机会成本感知）。出价过高浪费参与额度、过低错失训练信号——市场压力逼出真实的自我评估。
任务成败的回报按机制分配给参与者——这解决了多智能体 RL 的经典「信用分配」难题的一种市场化变体：不需要精确知道谁贡献了多少，市场出价的动态本身就是贡献度的暴露机制。
训练完成后，集群的分工模式是涌现的而非指定的。论文观察到参与模式随训练演化——初期全员出价（探索），后期形成稳定的「专业 bidder」子集（分工收敛）。
| 发现 | 传统直觉 | MPT 实测 | 解释 |
|---|---|---|---|
| 规模效应 | agent 越多协调开销越大，性能先升后降 | 推理时种群越大性能越好（持续上升） | 出价机制让冗余 agent 自然边缘化——大种群提供更多「候补专业选手」，协调成本被市场机制内化 |
| 容错性 | 成员掉线是灾难，需复杂的故障转移设计 | agent 掉线性能损失更小 | 市场自动重新分配出价——掉线者的任务被其他 agent 的出价自然吸收 |
| 迁移性 | 编排针对任务定制，换任务要重新设计 | 训练出的自编排迁移到相关任务更快、更大种群表现更好 | 学到的不是「某个编排方案」而是「编排的元能力」 |
① 训练成本前置：市场机制的优雅是训练出来的——出价策略的 RL 训练需要大量任务交互，这是把编排的工程成本换成了训练成本。中小团队直接落地门槛不低。
② 出价可能合谋：市场机制的经典风险在 agent 集群同样存在——出价策略可能在训练中找到「合谋均衡」（轮流坐庄分摊回报）。论文未深入讨论反合谋机制。
③ 可解释性下降：手工编排的好处是结构即文档——为什么 A 在 B 前面，答案在图里。市场涌现的分工需要额外的可解释性工具才能审计。这对高风险场景（医疗、金融）是实质门槛。
如果你在用编排框架：MPT 的思路提示了一个评估维度——你的编排结构是「设计出来的」还是「验证过的」？哪怕不上市场机制，把编排决策从拍脑袋变成 A/B 实测，就已经领先大多数团队。
如果你在观察 agent 产品：「出价式调度」可以作为评估竞品的提问框架——它的 agent 调度是写死的规则还是自适应的？应对 agent 故障的策略是什么？市场规模化的瓶颈在哪？
编排权的下放是大趋势：从人写工作流，到框架学工作流，到 agent 自己谈工作流。MPT 把最后一棒跑通了验证。
Q：MPT 和 AutoGen 的 Group Chat 有什么本质区别？
A：Group Chat 的发言顺序由 manager LLM 实时决策（推理时编排，规则可解释但能力上限是 manager 模型的），MPT 的编排是训练出来的策略（能力上限更高但黑盒）。前者是「聪明的调度员」，后者是「训练出来的市场」。
Q：小规模（2-3 个 agent）值得用吗？
A：论文的收益在大种群场景最显著。2-3 个 agent 的编排复杂度人工可控，市场机制的训练成本不划算。
本文基于 2026-10-20 arXiv 公开论文的解读与作者个人分析，技术细节以论文原文为准；观点不构成技术选型建议。
MPT（Market-based Post-Training）论文，arXiv 2026-10 批次；代码与训练模型见作者开源仓库。延伸阅读：SwaT（跨家族 KV-cache 直传，同批次）。