摘要
针对用户复杂的信息需求，多智能体深度研究系统需迭代规划、检索并综合数百份文档以生成高质量回答。现有系统通常依赖手工设计的提示词和静态架构，导致改进过程脆弱且耗时。本文探讨了多种多智能体优化方法，证明通过使智能体进行自博弈并探索不同的提示组合，能够构建出媲美甚至超越专家手工设计提示的高质量深度研究系统，实现了系统的自我进化。
AI 推荐理由
论文核心在于通过自博弈和提示组合探索实现多智能体系统的自我优化与改进。
研究机构
Zeta Alpha, Amsterdam, The Netherlands
论文信息