摘要
本文提出 MAS-Algorithm，一种受竞争性编程启发的系统性多智能体工作流，旨在解决算法问题。该框架将端到端求解过程分解为模块化阶段，以实现结构化推理、工具集成及智能体间的灵活协调。实验表明，该方法在多个 Qwen 系列模型上平均接受率提升 6.48%，显著优于参数高效微调。此外，研究深入分析了工作流内的推理过程、错误模式及智能体贡献上限，证明了其在推动 AI 驱动算法推理方面的巨大潜力。
AI 推荐理由
论文核心在于通过多智能体工作流提升算法问题的结构化推理能力，直接针对推理机制。
研究机构
北京大学
阿里巴巴集团
华中科技大学
论文信息