XNews

MIT MAS.S62 第4-5讲涵盖框架与多智能体演化

MIT MAS.S62 第4-5讲涵盖框架与多智能体演化

MIT课程MAS.S62“How to AI an AI”发布了由Paul Liang主讲的第4讲和第5讲,主题分别为框架演化与多智能体演化。第4讲将框架分解为上下文、控制、行动、评估和演化组件,并梳理了记忆、工具和技能研究向Meta-Harness发展的脉络;第5讲则介绍了关于多智能体扩展的五项实证发现以及CORAL系统,该系统在八项任务上相比单智能体演化报告了4%–20%的提升。

事件版本 1.

Key insights

框架分解为五个组件

课程将框架视为由上下文、控制、行动、评估和演化组件构成。这一框架贯穿两讲内容。

记忆分类与代表性系统

记忆研究沿三个轴组织:存储什么、如何表示、存储在哪里,以及如何复用。四个系统按存储位置排列:MemGPT和mem0用于外部记忆,MEM1用于上下文内记忆,Reflexion/ExpeL用于经验记忆。

Meta-Harness将框架视为文件系统

Meta-Harness将整个框架表示为一个包含完整源代码、分数和执行轨迹的文件系统,使提议者能够将失败追溯到具体的框架决策。其反馈量是先前方法的近400倍,达到1000万token,而先前方法为2.6万token。

关于多智能体系统的五项实证发现

多智能体系统仅在特定任务结构上有帮助,收益因基础模型而异;更多智能体并不总是更好;异构混合可以胜过更强的单一基础模型;并且一个扩展定律能以87%的准确率预测最优架构。

CORAL实现多智能体协同演化

CORAL在包括数学、算法和系统优化在内的八项任务上实现了新的最先进水平。多智能体演化相比单智能体演化带来4%–20%的提升,其中36%的演化尝试使用另一个智能体作为父代,这些尝试的提升率为17%。

Source posts