MAGE：通过代理多模态推理实现类人宏单元布局

本文提出 MAGE，一个用于宏单元布局优化的多模态多智能体框架。该方法将任务分解为结合结构化规则、视觉检查及迭代优化的六阶段工作流，无需依赖标注数据即可编码专家知识。框架引入锦标赛式优化模式评估候选方案并传播反馈，同时定义了四种量化“类人”布局特性的新指标。实验表明，MAGE 在时序指标上显著优于商业工具及人类专家，且具备跨场景泛化能力。