论文页面 - AutoDesign：面向长时程智能体设计的元工具集优化

来源：https://huggingface.co/papers/2608.13560 发布于 8 月 13 日

#2 每日论文 (https://huggingface.co/papers/date/2026-08-14) 作者：

,

,

,

,

,

,

,

,

,

,

,

,

摘要

AutoDesign 使用元工具集优化器递归改进用于结构化媒体生成的代码智能体，在论文到海报合成任务上取得了最先进的结果。

将多模态来源转化为精炼且结构化的媒体输出，从根本上可以概念化为一个以模型工具集系统为中心的长时程智能体过程（长时程智能体过程）。虽然理想的工具集系统应当与人类设计先验对齐，并通过实证探索积累可复用经验以驱动递归式自我改进，但现有范式仍然静态，无法达到这一能力。在本文中，我们提出了 AutoDesign，一个与人类设计先验对齐的框架，其中元工具集优化器引导代码智能体基于展开反馈递归地改进工具集。为了实例化和评估这一框架，我们聚焦于学术论文到海报的生成任务，并引入了 PosterBench，其中包括涵盖五个学科的 100 篇论文主轨（Main Track）和用于受控评估的共享 10 篇论文子集 PosterBench-mini。在 PosterBench Main Track 上，AutoDesign 取得了 78.32 的最高分，超越闭源商业系统 Claude Design 7.45 分。在七种受控的代码智能体-模型配置中，集成学习到的 DesignHarness 持续提升性能，将平均 PosterBench Score 从 54.99 提高到 67.39（+12.4%）。在完全自主的长时程循环中，它在 40 分钟内执行了 253 次工具调用和 11 轮编辑，成本不到 3 美元，在人类评估中达到了平均会议海报质量。一项系统盲测人类研究进一步表明，在所评估的系统中，AutoDesign 获得了最高的人类偏好。

查看 arXiv 页面 查看 PDF 项目页面 GitHub7 添加到收藏

在您的智能体中获取这篇论文：

hf papers read 2608.13560

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型 0

没有模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2608.13560，即可从此页面链接它。

引用此论文的数据集 0

没有数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2608.13560，即可从此页面链接它。

引用此论文的 Spaces 0

没有 Space 链接此论文

在 Space README.md 中引用 arxiv.org/abs/2608.13560，即可从此页面链接它。

包含此论文的收藏集 0

没有收藏集包含此论文

将此论文添加到 收藏集 以从此页面链接它。