NeFut Logo NeFut
EN 管理员登录

[AI学术] 控制-数据流分离:多代理大模型的稳定提示优化

发布于:2026-09-02 22:00 最后更新:2026-09-03 02:56
#AI #Machine Learning #LLM

在多代理大语言模型系统中,提示词既承担生成任务相关内容的作用,又负责传递执行关键的协议,如消息路由、输出格式和终止信号。后者通常是结构化的、经过类型检查的程序对象,而前者是自由的自然语言。若在优化提示词时同时修改了这两类信息,往往会导致协议被破坏,整个代理流水线失效。基于此观察,我们提出控制‑数据流分离的设计:将执行控制抽象为强类型、可验证的对象,保持在代码层面不受提示词漂移影响;将任务相关的语言保留为可优化的数据流,用于代理之间的交流。这样,优化器只针对语言部分进行搜索,避免了路由或格式接口的意外改动。我们在合成推理、协同评审生成和保险核保等三类工作流上进行实验,结果显示在所有场景下协议始终保持 100% 有效,同时任务性能稳步提升。

点评

原文链接: https://arxiv.org/abs/2609.00621

[h] 返回首页