MARS：面向竞赛编程的多专家LLM接力系统

大语言模型擅长代码生成，但竞赛编程暴露出一个持久的失败模式：现有多智能体管线把工作分配给通用的规划者、编码者和调试者角色，而把算法技术的选择留给骨干模型独自承担。我们提出MARS（Multi-Agent Relay of Specialized LLMs，专用LLM多智能体接力），一个纯提示框架，其中每个智能体都是主题专家——动态规划、图论、字符串、几何等——并通过对算法理论语料库的检索增强生成来支撑。给定一个问题，检索选择一小组相关专家；一个起步者（starter）编写初始C++17解法，随后每一轮在沙盒中用公开示例运行候选解法，让当前专家保留、修复或交接草稿，并将一个结构化数据包转发给下一位专家。最后由单个基础设施修复（infrastructure-fixer）环节规范化样板代码。在CodeContests测试集上使用Gemma 4，MARS达到0.624±0.006的通过率，每任务记录的管线阶段为2.3个（比直接提示高+14.4个百分点），以3.3倍更低的墙钟成本缩小了与CodeSIM（0.731）的大部分差距，且每任务token花费的方差显著更小。源代码在GitHub上可用：https://github.com/fckand/mars。