UniMASO 联合优化提示词与模型分配
热点事件持续更新
UniMASO 联合优化提示词与模型分配
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Mingxiu Cai 等作者发布论文，提出异构多智能体系统优化框架 UniMASO，通过联合调整提示词与模型分配，在降低部署成本的同时保持任务表现。 作者称，在五个基准和五种执行拓扑上，集中式执行时平均分从 69.79 提升至 70.40，相对 DeepSeek-V4-Pro 搭配 MASPO 将 token 加权部署成本降低 85.2%。该框架结合成本感知的 Pareto 搜索、拓扑感知协同进化和跨层轨迹记忆。
AI 根据报道生成 · 1 小时前更新
最新进展10月26日 12:00
UniMASO：面向异构 LLM 多智能体系统的提示词与模型联合优化框架报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.MAUniMASO：面向异构 LLM 多智能体系统的提示词与模型联合优化框架
UniMASO 通过联合优化提示词与模型分配，让异构 LLM 多智能体系统在更低部署成本下保持任务表现。在五个基准和五种执行拓扑上，集中式执行时平均分从 69.79 提升至 70.40，同时相对 DeepSeek-V4-Pro 搭配 MASPO 将 token 加权部署成本降低 85.2%。该框架结合成本感知的 Pareto 搜索、拓扑感知协同进化和跨层轨迹记忆。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。