Inherit-MAS：通过工作流继承与执行继承实现多智能体系统的测试时演化

arXiv:2610.02396v1 发布类型：new 摘要：由大语言模型构建的多智能体系统（MAS）通过协调专门化智能体来处理复杂任务，但有效的工作流很难预先设计。测试时演化利用执行反馈来改进工作流，然而大范围修订可能会扰乱有用组件，而重新执行未发生变化的请求则会带来冗余计算。受生物演化中继承与选择相互作用的启发，我们提出了 Inherit-MAS，在工作流和执行两个层面明确实现继承。一个元模型首先合成由工作智能体组成的工作流，并声明其角色、通信输入和工具权限；另一个通过独立提示的评判器则为每个已执行候选方案评分，并诊断其不足。在常规细化轮次中，工作流继承从最近完成的候选方案开始，可以丢弃被判定为无助的可移除节点，并应用经过验证的编辑来解决已诊断的不足。当新候选方案执行时，执行继承仅在完整的解析后请求和执行上下文均匹配的情况下继承符合条件的已存储结果，从而避免冗余的模型调用和工具调用。使用 GPT-4o-mini 工作智能体时，Inherit-MAS 在 WorkBench 上实现了 55.4% 的完成率，在 HotpotQA FullWiki 上实现了 49.7% 的联合 F1，优于 EvoAgent、EvoMAS 和 TacoMAS。使用 Qwen3-32B 工作智能体时，它在两个基准测试上同样超过了这些演化型 MAS 基线。与在禁用执行继承的情况下重新运行同一控制器相比，执行继承使 WorkBench 上的工作智能体 token 用量减少了 29.1%，HotpotQA 上减少了 34.6%；总 token 用量分别减少了 5.3% 和 18.1%。