CANTANTE：通过对比信用分配优化智能体系统 [R]

基于 LLM 的多智能体系统在复杂的现实任务中表现出了强大的性能，例如软件工程、预测建模和检索增强生成。然而，自动化其配置仍然是一个结构性挑战。研究人员常常被迫进行手动、试错式的提示调优，其中对单个智能体的修改会以难以追踪的方式改变全局输出。核心瓶颈在于**信用分配**：虽然控制智能体行为的参数是本地的，但性能得分仅在全局系统级别可用。这使得优化从根本上变得困难，因为我们无法固有地知道哪些智能体对结果产生了正面或负面的贡献。CANTANTE 试图走一条不同的路径：将智能体提示视为从任务奖励中学习的参数，而不是手工调优。通过解决信用分配问题，我们可以从脆弱的手工智能体演示转向真正自主且实用的可信系统。CANTANTE 的算法简要说明（见第二张图）：1. 让本地优化器提出配置（例如提示）。2. 在相同查询上评估不同配置，捕获推理轨迹和系统得分。3. 让一个归因器比较这些运行，并为每个智能体分配信用，从而将全局奖励分解为每个智能体的更新信号。4. 将这些信用反馈给任何本地优化器；在实验中，我们使用了 CAPO，这是我们之前发表在 AutoML 2025 中的提示优化器。在与 DSPy-solutions 的 GEPA 和 MIPROv2 在 MBPP（编程基准）、GSM8K（数学推理基准）和 HotpotQA（检索基准）上的评估中，CANTANTE：• 获得了最佳平均排名，• 在 MBPP 上比最强基线高出 +18.9 分，在 GSM8K 上高出 +12.5 分，• 相比未优化的提示，保持了推理时间成本。🔗 论文链接：[https://arxiv.org/abs/2605.13295](https://arxiv.org/abs/2605.13295) 💻 仓库链接：[https://github.com/finitearth/cantante](https://github.com/finitearth/cantante) 如果您正在研究多智能体架构或自动提示工程，我很想了解目前对您来说什么有效（以及什么正在失效）。