返回全部动态
OptiMAS：自动优化多智能体系统的新范式
原标题：OptiMAS: Automatically Optimize Multi-Agent System
AI 摘要
OptiMAS 提出了一种基于优化的多智能体系统（MAS）进化范式，利用统一的 ReAct 基础设施和双轨记忆机制，通过文本交互轨迹和任务反馈作为损失信号进行端到端进化。在四个异构基准测试中，OptiMAS 在三种不同规模和可访问性的 LLM 后端上，持续达到与领域专用手工系统及现有进化方法相当或更优的准确率。该工作为稳健、自动化的 MAS 进化树立了实用里程碑。
以上摘要由 AI 生成，可能存在误差。事实请以原文为准。
正文节选
Abstract Automated evolution of Multi-Agent Systems (MAS) holds significant potential for reducing the manual effort required to design and optimize LLM-based agent architectures. However, extant search-based paradigms face a fundamental trade-off, where an expanded optimization scope exacerbates evolutionary instability, while discrete branch-and-discard search isolates insights across lineages. To address these limitations, we propose a continuous, data-driven optimization paradigm built upon
发布时间：2026-08-25 12:00
抓取时间：2026-08-25 12:51
来源机构：arXiv