MAS²: Self-Generative Multi-Agent Systems

自生成、自配置、自纠偏的多智能体系统

arXiv 2509.24323 · ICLR 2026 Poster · NTU / ZJU / NUS 等

arXiv 2509.24323 · 投稿 2025-09 · ICLR 2026 Poster · 中文版收录 2026-09-03

CITE

别再手搓 MAS 了，让系统自己生成、自己纠偏。
— 本站导读

一句话：多数自动 MAS 仍是「生成一次就部署」，面对动态环境易崩。MAS² 用 generator–implementer–rectifier 三元 meta-agent 递归地为任务定制多智能体系统，并在运行中纠偏；七项基准上相对 SOTA 最高约 +19.6%，且处在成本–性能 Pareto 前沿。

要解决什么问题

MAS 设计经历了手工配置 → 部分自动化（拓扑/路由）→ 全自动生成。近期基于 LLM 自身生成 MAS 的工作（如 MAS-GPT、ScoreFlow、FlowReasoner）仍多采用「generate-once-and-deploy」：为任务实例化一次系统后固定执行，无法应对工具崩溃、网络失败、中间结果错误等真实动态。

外部优化模块（贝叶斯、MCTS、GNN）又受限于预定义算子搜索空间，架构创新有限。需要一种能在运行中持续生成、配置并修正目标 MAS 的范式。

创新点

01MAS² 范式：用 MAS 生成 MASCORE

递归自生成：一个 meta 级多智能体团队，为不同问题自主设计专用多智能体系统，突破「一次生成、终身部署」的刚性。

02Generator–Implementer–Rectifier 三元组

Generator 产出高层工作流模板；Implementer 为每步填入具体 LLM 骨干与配置；Rectifier 监控执行与环境反馈，实时纠偏。三者分工明确、可分别特化。

03Collaborative Tree Optimization (CTO)

三 agent 协作扩展决策树（多种 MAS 配置与执行路径），终端环境反馈经路径信用传播回传到各角色，得到角色特异偏好数据，再用相对奖励对齐算法分别训练。

关键结果

在多跳检索（HotpotQA 等）、代码（HumanEval）、数学（MATH）等七项基准上对比手工 MAS（DyLAN、MedPrompt、LLM-Debate 等）与自动 MAS（ScoreFlow、MaAS、AFlow 等）：

复杂场景（深度研究、代码生成）相对 SOTA 最高约 +19.6%；HotpotQA 89.3%（相对 DyLAN +8.5%）；HumanEval 97.0%（相对 AFlow +4.1%）。
跨骨干泛化：换用未见过的 LLM 仍可带来最高约 +15.1% 提升。
成本–性能上处于 Pareto 前沿，并非单纯堆 token。

局限

Meta-agent 本身的训练与搜索仍有计算开销；极短任务上可能「杀鸡用牛刀」。
纠偏依赖可观测的执行反馈；黑盒工具或延迟反馈场景下效果受限。
决策树扩展与信用分配的设计选择对最终性能敏感，迁移到全新领域需重新校准。

← 上一篇：SoK 目录下一篇：OI-MAS →