ABSTRAL：通过迭代细化与拓扑优化自动设计多智能体系统

本文提出 ABSTRAL 框架，将多智能体系统架构视为可演化的自然语言文档，通过对比轨迹分析进行迭代优化。研究发现：固定轮次下多智能体协调存在效率损耗，但能通过并行任务分解超越单智能体基线；设计知识可跨域迁移，显著加速新领域适应；该方法能自动发现初始设计中缺失的专家角色。在 SOPBench 基准测试中，基于 GPT-4o 的 ABSTRAL 取得了优异的通过率，并发布了可审查的设计原理文档。