监督Ralph Wiggum：面向工程设计的元认知协同调节智能体AI循环探索

工程设计研究社区研究了使用大语言模型 (LLM) 代理来自动化工程设计过程的代理 AI 系统。然而，这些系统很容易出现一些困扰人类的相同病症。就像人类设计师一样，大语言模型设计代理在解决设计挑战时可能会专注于现有范例，而无法探索替代方案，从而可能导致解决方案不理想。在这项工作中，我们提出了（1）一种新颖的自我调节循环（SRL），其中设计代理自我调节并显式监控自己的元认知，以及（2）一种新颖的协同调节设计代理循环（CRDAL），其中元认知协同调节代理协助设计代理进行元认知以减轻设计固定，从而提高工程设计任务的系统性能。在这里检查的电池组设计问题中，我们发现与普通的 Ralph Wiggum Loop (RWL) 和元认知自我评估自调节环 (SRL) 相比，新颖的 CRDAL 系统生成的设计具有更好的性能，而不会显着增加计算成本。此外，我们发现 CRDAL 系统比 SRL 和 RWL 更有效地浏览潜在设计空间。然而，尽管 SRL 探索了设计空间的不同区域，但它并没有生成比 RWL 性能明显更好的设计。这项工作提出的系统架构和研究结果为工程设计的代理人工智能系统的未来开发提供了实际意义。