Unified-MAS：面向自动多智能体系统的通用生成领域特定节点
人工智能
2026-03-24 v1
摘要
自动多智能体系统（MAS）生成已成为解决复杂推理任务的有前景的范式。然而，现有框架在应用于知识密集型领域（如医疗和法律）时存在根本性瓶颈。它们要么依赖静态的通用节点库（如Chain-of-Thought），缺乏专业专长；要么尝试动态生成节点。在后者情况下，orchestrator不仅受限于其内部知识限制，还必须同时生成领域特定逻辑并优化高层拓扑，导致严重的架构耦合，降低整体系统效能。为弥合这一差距，我们提出Unified-MAS，通过离线节点综合将粒粒节点实现与拓扑编排解耦。Unified-MAS在两个阶段运行：（1）基于搜索的节点生成检索外部开放世界知识以综合 specialized节点蓝图，克服LLM的内部知识限制；（2）基于奖励的节点优化利用perplexity引导的奖励迭代增强瓶颈节点的内部逻辑。广泛的实验表明，将Unified-MAS集成到四个自动MAS基线中，实现了更好的性能成本权衡，最高可实现14.2%的提升，同时显著降低成本。进一步分析显示，其在不同设计师LLM之间具有鲁棒性，并在数学推理等常规任务上有效。
引用
@article{arxiv.2603.21475,
title = {Unified-MAS: Universally Generating Domain-Specific Nodes for Empowering Automatic Multi-Agent Systems},
author = {Hehai Lin and Yu Yan and Zixuan Wang and Bo Xu and Sudong Wang and Weiquan Huang and Ruochen Zhao and Minzhi Li and Chengwei Qin},
journal= {arXiv preprint arXiv:2603.21475},
year = {2026}
}
备注
Code is available at https://github.com/linhh29/Unified-MAS