OptiMAS：自动优化多代理系统

多代理系统 (MAS) 的自动演进在减少设计和优化基于 LLM 的代理架构所需的手动工作方面具有巨大潜力。然而，现有的基于搜索的范式面临着一个基本的权衡，其中扩大的优化范围加剧了进化的不稳定性，而离散的分支和丢弃搜索隔离了跨谱系的见解。为了解决这些限制，我们提出了一种持续的、数据驱动的优化范例，该范例建立在基于 ReAct 的统一基础设施之上，可协调广泛的优化范围与操作稳定性。在这种范式下，我们提出了 OptiMAS，一种与任务无关的代理优化器，它利用文本交互轨迹和任务反馈作为端到端 MAS 演化的损失信号。 OptiMAS 配备了新颖的双轨内存机制，可在扩展的优化范围内持续提高性能。对具有三个不同规模和可访问性的 LLM 主干的四个异构代理基准的评估表明，相对于领域专业手工系统和现有的进化方法，OptiMAS 始终实现有竞争力或卓越的准确性。我们的工作为 MAS 的稳健、自动化发展树立了一个实际的里程碑。