arXiv Artificial Intelligence· Jaewon Chu, Jinwoo Seo, Jaewon Cho, Jeehye Na, Yunyang Xiong, Youngdae Kim, Hyunwoo J. Kim·· 13 小时前AI 评分32
AgentGrad：面向多智能体系统的干预引导提示词优化框架
AgentGrad: Intervention-guided Prompt Optimization for Multi-Agent Systems
AI 导读
AgentGrad 通过顺序干预与语义文本梯度抽象优化多智能体系统的提示词，在五个 MAS benchmark 上取得 SOTA，并将实际优化时间缩短 2.5 倍、优化成本平均降低 21.8%。该方法对每个失败案例逐个智能体注入提示，定位真正能解决失败的智能体，并用其修改后的输出作为智能体级监督提取细粒度梯度；语义聚类则避免无关失败模式混合，将同类梯度抽象为泛化梯度。
推荐理由模型分析
AgentGrad 针对多智能体提示优化中梯度提取与聚合两个环节的缺陷：用逐智能体注入提示的序贯干预定位真正导致失败的智能体，并以该智能体修改后的输出作为细粒度监督；再按语义聚类抽象梯度，避免混合无关失败模式。在五个 MAS 基准上报告了优于对比基线的结果，同时优化耗时降低 2.5 倍、成本平均降低 21.8%。做多智能体提示调优的开发者可据此比较其失败归因与梯度聚合流程，但效果仍限于论文所列基准与实验条件。
来源：arXiv Artificial Intelligence · arxiv.org