标签
该论文介绍了MILP-Evo，这是一个闭环框架，利用LLM引导的程序进化来自动设计白盒MILP求解器组件（割选择器和分支规则），通过迭代生成和评估候选程序，并根据其在MILP实例上的端到端求解性能进行评估。
本文挑战了多智能体系统优于单智能体系统的普遍说法，通过系统评估证明了自动生成的多智能体架构在性能上不如使用自一致性的思维链（CoT-SC），同时成本却高出高达10倍，并揭示了当前自动设计范式中的架构臃肿问题。
本文提出了设计和优化实用智能体LLM系统的原则性方法，引入了一个包含伪工具和固定工作流的框架，以提高模块化、成本效益和跨多种任务的准确性。