AutoIAD：基于经纪人驱动的多智能体协作用于自动化工业异常检测
计算机视觉与模式识别
2025-08-08 v1
摘要
工业异常检测（IAD）对于制造质量控制至关重要，但传统方法需要针对各种应用场景进行大量人工工作。本文引入 AutoIAD，一个面向端到端自动化工业视觉异常检测开发的多智能体协作框架。AutoIAD 利用经纪人驱动的中心智能体协调多个专职子智能体（包括数据准备、数据加载、模型设计、训练），并集成领域特定知识库，智能地利用原始工业图像数据构建训练好的异常检测模型。我们构建了基于 MVTec AD 数据集的综合基准，评估 AutoIAD 在各种 LLM 后端上的表现。广泛实验表明，AutoIAD 在任务完成率和模型性能（AUROC）方面显著优于现有通用智能体协作框架和传统 AutoML 框架，同时通过迭代细化有效缓解了幻觉等问题。消融研究进一步确认经纪人中心智能体和领域知识库模块在产生稳健高质量 IAD 解决方案中的关键作用。
引用
@article{arxiv.2508.05503,
title = {AutoIAD: Manager-Driven Multi-Agent Collaboration for Automated Industrial Anomaly Detection},
author = {Dongwei Ji and Bingzhang Hu and Yi Zhou},
journal= {arXiv preprint arXiv:2508.05503},
year = {2025}
}