arXiv cs.AI· Shiyi Cao, Ziming Mao, Dacheng Li, Joseph E. Gonzalez, Ion Stoica·· 12 小时前AI 评分58
Evolving Agent Teams：多智能体框架跳出局部最优，CUDA kernel 较 FlashInfer 平均提速 1.2 倍
Evolving Agent Teams
AI 导读
Evolving Agent Teams 是一个多智能体框架，通过中央 supervisor 诊断局部最优并重组智能体团队，配合持久化文件系统记录学习文档、演化历史和团队产物，以摆脱编码智能体在真实专家手写 kernel 上的局部最优。
正文 · AI 翻译
摘要：软件工程智能体的快速进展，激发了将其应用于 GPU 内核优化等开放式问题的兴趣。然而，我们发现现有编码智能体在真实世界中由专家编写的内核（例如 FlashInfer）上会收敛到局部最优。我们提出 Evolving Agent Teams，一个能够摆脱此类局部最优的多智能体框架。它具有：(1) 一个中央监督者，负责诊断每个局部最优并重构智能体团队；(2) 一个持久化文件系统，包含学习文档、演化历史和每个团队的产物，以积累的经验为重构提供依据。在匹配的 token 预算下，Evolving Agent Teams 始终优于强大的编码智能体基线。在扩展的 token 预算下，Evolving Agent Teams 从零开始生成的 CUDA 内核，相对于生产环境的 FlashInfer MLA 分页解码内核达到 1.2 倍的平均加速，并在 FlashInfer-Bench 的 47 个生产工作负载中赢得 36 个（其余 11 个为 0.86-0.99 倍）。它还在以下任务上展现出更优性能：AMD MI350X 上的 KDA 预填充（相对 vLLM 为 3.01 倍）和 NVIDIA B200 上的 KDA 预填充（相对 FlashKDA 为 3.44 倍）、Apple 芯片上的 MoE 专家卸载服务（在 48 GB M4 Pro 上以 MLX 4 位运行 Qwen3.8-Flash-Next，解码速度为 30.3 tokens/s），以及 RoboDojo 机器人操作（在留出种子上为 62.1，而排行榜最佳条目为 55.3）。代码可在 此 https URL 获取。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.36848 [cs.AI] |
| （或本版本的 arXiv:2610.36848v1 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2610.36848 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Shiyi Cao [查看电子邮件]
[v1]
2026 年 10 月 27 日星期二 08:46:21 UTC（199 KB）
来源：arXiv cs.AI · arxiv.org