元智能体用于智能体设计中的低效性
人工智能
2025-10-09 v1 机器学习
摘要
近期研究开始利用元智能体来自动化智能体系统的设计，元智能体提出并迭代优化新的智能体架构。在本文中，我们考察了一类常见元智能体中的三个关键挑战。首先，我们研究了元智能体如何在迭代中学习，发现简单地用所有先前智能体扩展上下文（如先前工作所提出的）比完全忽略先前设计表现更差。我们证明性能随进化方法而提升。其次，尽管元智能体在训练期间设计了多个智能体，但它在测试时通常只采用单一智能体。我们发现所设计的智能体行为多样性较低，限制了它们互补使用的潜力。第三，我们评估了自动化设计在经济上是否可行。我们发现仅在少数情况下——具体来说，两个数据集——设计并部署智能体的总体成本低于在超过15,000个样本上部署的人工设计智能体的成本。相比之下，其他数据集的性能提升不足以证明设计成本的合理性，无论规模如何。
引用
@article{arxiv.2510.06711,
title = {Inefficiencies of Meta Agents for Agent Design},
author = {Batu El and Mert Yuksekgonul and James Zou},
journal= {arXiv preprint arXiv:2510.06711},
year = {2025}
}