arXiv cs.AI· Sevda Ebrahimi, Mohammed Saidul Islam, Xiaodan Zhu, Elham Dolatabadi·· 10 小时前AI 评分32
GRAFT:用执行证据引导遗传重组进行 Agent 设计
GRAFT: Execution-Guided Genetic Recombination for Agent Design
AI 导读
GRAFT 提出一种执行引导的遗传重组方法,用聚合适应度做选择、用父代各自的执行证据引导语义交叉与变异,反馈机制复用适应度评估中成功与失败的有限样本,不泄露参考答案也无需额外执行任务。在六个推理与编程设置上使用开源权重优化器与执行器模型,平均测试准确率达 82.0%,比最强基线高 9.8 个百分点。控制消融显示,在初始化、搜索规则、修复策略与评估预算固定时,加入执行证据仍能提升测试准确率。
正文 · AI 翻译
摘要:自动化智能体设计旨在搜索可执行架构,以提升基于 LLM 的智能体性能,其中进化方法利用语言模型交叉来重组用于任务分解、模型协调和验证的有前景机制。然而,这种搜索通常仅由总体适应度引导,从而掩盖了每个分数背后的实例级成功与失败。我们提出了执行引导的智能体设计遗传重组(GRAFT),它使用总体适应度进行选择和生存,并使用父代特定的执行证据来引导带有集成变异的语义交叉。其反馈框架复用适应度评估中成功和失败运行的有界样本,不提供参考答案,且无需额外执行任务。我们使用开放权重优化器和执行器模型,在六种推理和编程设置中评估 GRAFT。它实现了 82.0% 的平均测试准确率,比最强基线高出 9.8 个百分点。受控消融实验表明,在初始化、搜索规则、修复策略和评估预算保持固定的情况下,加入执行证据可提高测试准确率。我们的结果支持父代特定执行证据在进化智能体设计中的价值。
| 主题: | 人工智能(cs.AI);计算与语言(cs.CL);神经与进化计算(cs.NE) |
| 引用为: | arXiv:2611.23509 [cs.AI] |
| (或 arXiv:2611.23509v1 [cs.AI] 用于此版本) | |
| https://doi.org/10.48550/arXiv.2611.23509 由 DataCite 颁发的 arXiv DOI(待注册) |
提交历史
来自:Sevda Ebrahimi [查看电子邮件]
[v1]
2026年11月17日星期二 21:01:08 UTC(164 KB)
来源:arXiv cs.AI · arxiv.org