MASPOB：基于图神经网络和多臂老虎机的多智能体系统提示词优化

大型语言模型常作为多智能体系统（MAS）的认知骨干，但工作流固定且性能对提示词敏感，提示词优化成为关键。针对样本效率低、拓扑耦合及搜索空间组合爆炸三大挑战，本文提出 MASPOB 框架。该方法利用多臂老虎机平衡探索与利用，结合图神经网络捕捉结构先验以处理拓扑耦合，并通过坐标上升法将优化分解为单变量子问题，显著降低复杂度。实验表明，MASPOB 在多样基准测试中均优于现有基线，实现了状态最先进的性能。