摘要
针对现有生成引擎优化（GEO）方法无法跨任务积累策略的问题，本文提出 MAGEO 多智能体框架。该框架通过协调规划、编辑与评估执行层，将验证后的编辑模式蒸馏为可复用的引擎特定优化技能。文章引入了双分支评估协议及 DSV-CF 双轴指标以量化效果，并发布多场景基准 MSME-GEO-Bench。实验表明，MAGEO 在可见性与引用保真度上显著优于基线，证实了策略复用与偏好建模的关键作用。
AI 推荐理由
论文核心在于将优化策略提炼为可复用的特定引擎技能，强调技能学习与迁移。
研究机构
Hangzhou Dianzi University
Central South University
Shanghai Artificial Intelligence Laboratory, Sun Yat-sen University
Ramus
Hong Kong University of Science and Technology (GuangZhou)
论文信息