arXiv cs.AI· Zhongnian Li, Shi Xu, Peng Ying, Weikang Gong, Zhixiao Wang, Xinzheng Xu·· 3 天前AI 评分26
TASA：用工具增强策略智能体实现可追踪的组合优化
Think in Strategies, Act with Tools: Traceable Agentic Optimization for Combinatorial Problems
AI 导读
针对 OPRO 优化过程难以追踪、无法利用历史迭代信息的问题，研究者提出工具增强策略智能体 TASA，基于优化轨迹为每一步规划策略，将优化过程分解为可追踪的策略选择。TASA 还利用 LLM 构建问题专用工具，并引入策略引导的自适应工具规划器，用轨迹信息更新解。在共享候选评估预算下，结果支持其解质量与策略引导搜索的可追踪性。
正文 · AI 翻译
摘要：通过提示进行优化（OPRO）直接利用大型语言模型（LLM）通过自然语言提示生成候选解决方案。然而，OPRO 的优化过程难以追踪，这使 LLM 无法捕捉先前迭代中积累的有用信息，从而限制了解决方案的质量。为解决这一局限，我们提出了一种工具增强策略智能体（TASA），它总结并利用轨迹来提高解决方案质量。具体而言，TASA 基于优化轨迹为每一步规划策略，从而将优化过程分解为可追踪的策略选择。此外，我们利用 LLM 构建问题专用工具，并引入策略引导的自适应工具规划器，高效利用轨迹信息来更新解决方案。我们在持续探索下建立了局部收敛性，并在共享的候选-评估预算下评估了完整框架。结果支持其解决方案质量以及策略引导搜索的可追踪性。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.14736 [cs.AI] |
| （或 arXiv:2610.14736v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.14736 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Shi Xu [查看电子邮件]
[v1]
2026年10月10日星期六 08:57:19 UTC（1,891 KB）
来源：arXiv cs.AI · arxiv.org