AgentPSO：通过多智能体粒子群优化进化智能体推理技能

现有方法多依赖推理时辩论或聚合，且智能体技能静态不变。本文提出 AgentPSO，一种受粒子群优化启发的框架，旨在进化多智能体推理技能。该框架将每个智能体视为粒子，其状态为自然语言技能，速度为语义更新方向。通过结合个人最佳、全局最佳及同伴反思轨迹，智能体在迭代中更新技能，无需修改底层模型参数即可提升个体与集体推理性能。实验表明，该方法在数学及通用推理基准上优于静态单智能体及仅测试时多智能体基线，且具备跨任务与跨模型的迁移能力。