上交大 MAS-GPT 开启多智能体系统 “一键生成” 新时代

研究背景与目标

OpenAI将"组织级智能"视为迈向通用人工智能（AGI）的关键阶段，而多智能体系统（MAS）正是实现这一目标的核心路径。

然而，传统MAS方案存在适应性差、成本高、泛化能力弱等问题，严重限制了其实际应用与推广。

MAS-GPT的核心创新

• 生成式设计范式：将MAS构建转化为语言生成任务，用户只需输入一句Query，即可输出可执行的Python代码，包含Agent提示词、回应机制、交互逻辑及工具调用。
• 训练数据构建：通过数据池建设、评估筛选、质量精修四个阶段，构建11K条高质量训练样本，并通过监督微调训练获得MAS-GPT模型。

实验结果与优势

• 卓越性能：在8个基准任务和5种主流模型上，平均准确率比现有最佳基线高出3.89%，且在未见任务中仍保持稳健表现。
• 高效经济：推理成本仅为其他方法的一半，同时展现出更优效果。
• 广泛兼容：生成的MAS适用于多种LLM，在不同模型上均能有效提升性能。
• 增强推理能力：协助如OpenAI o1、DeepSeek-R1等强推理模型在AIME-2024数学挑战中分别提升13.3%和10.0%。
• 灵活生成：不仅支持模板套用，还能创造全新MAS结构，具备合理分工与协作机制，并提供详细推理说明。

未来愿景与社区发展

• 持续进化：理论上可不断整合多智能体系统至训练数据中，随着基础模型和数据集的升级持续优化，有望为每个查询定制专属智能系统。
• MASWorks开源社区：发起大模型多智能体开源项目MASWorks，致力于推动该领域技术进步，并将在ICML 2025举办专题Workshop（MAS-2025），欢迎开发者与研究人员参与共建。

相关链接

• 论文链接：arXiv
• 代码链接：GitHub
• 模型链接：Hugging Face
• MASWorks社区：MASWorks GitHub
• MAS-2025 Workshop：官网链接