arXiv cs.MA· Dominik Jehle, Tom Zehle·· 12 小时前AI 评分31
用贝叶斯进化优化设计和调优多智能体系统
Design and Tuning of Multi-Agent Systems Using Bayesian Evolutionary Optimization
AI 导读
研究者提出贝叶斯进化优化框架，可自动发现任务特定的多智能体系统拓扑，用进化算子生成多样化工作流图，并以图感知高斯过程与 Expected Improvement 将昂贵评估集中在有潜力的候选上。
正文 · AI 翻译
摘要：设计有效的多智能体系统（MAS）仍然是一项具有挑战性且资源密集的任务。我们提出了一种贝叶斯进化优化框架，用于自动发现任务特定的 MAS 拓扑。该方法结合进化算子来生成多样化的工作流图，并利用贝叶斯优化将成本高昂的评估集中在有前景的候选方案上。与基于 LLM 的候选选择不同，我们的方法使用图感知高斯过程和期望改进，在进化搜索过程中提供明确的选择标准。我们在 BigCodeBench 上针对代码生成评估该方法，并使用 TabPFN 在表格预处理基准上进行评估。在 BigCodeBench 上，进化出的架构在所评估的智能体系统中取得了最高的整体性能。在时间表格数据集上，优化的 MAS 预处理在多个任务上优于默认的 TabPFN 模型，同时在 IID 数据集上保持竞争力。总体而言，结果展示了贝叶斯选择在昂贵评估预算下引导进化 MAS 搜索的潜力。
| 主题： | 机器学习（cs.LG）；多智能体系统（cs.MA） |
| 引用为： | arXiv:2610.29276 [cs.LG] |
| （或 arXiv:2610.29276v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.29276 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Tom Zehle [查看电子邮件]
[v1]
2026年10月21日星期三 06:31:27 UTC（672 KB）
来源：arXiv cs.MA · arxiv.org