AgentGrad通过干预式方法优化多智能体系统提示词
论文提出了AgentGrad，这是一个用于优化基于大语言模型的多智能体系统提示词的框架。该方法通过顺序干预，确定修改哪个智能体能够解决特定故障，再利用目标智能体修改后的输出提取更细粒度的文本修正信号。系统还会将语义相似的梯度聚类，并归纳为通用的修正模式，从而避免混合彼此无关的故障类型。实验结果显示，AgentGrad在五个多智能体系统基准测试中取得了领先性能；与速度第二快的基线方法相比，其实际优化时间平均缩短了2.5倍。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。