本文第一作者為張桂彬，新加坡國立大學25Fall計算機科學博士生；本文在南洋理工大學的王琨博士、上海人工智能實驗室的白磊老師、和中國科學技術大學的王翔教授指導下完成。

LLM 智能體的時代，單個 Agent 的能力已到瓶頸，組建像 “智能體天團” 一樣的多智能體系統已經見證了廣泛的成功。但 “天團” 不是人越多越好，手動設計既費力又不討好，現有的智能體自動化方法又只會 “一招鮮”，拿一套復雜陣容應對所有問題，導致 “殺雞用牛刀”，成本高昂。

現在，一篇來自新加坡國立大學、上海 AI Lab、同濟大學等機構并被 ICML 2025 接收為 Oral Presentation 的論文，為我們帶來了全新的解題思路。

他們將神經網絡架構搜索（NAS）的超網絡（Supernet）思想引入 Agent 領域，首創了一個名為 “智能體超網”（Agentic Supernet）的概念。它不再尋找一個固定的最佳 “陣容”，而是根據任務難度，動態 “剪” 出一個量身定制的智能體團隊。結果有多驚艷？性能超越現有方法最高 11.82%，推理成本卻只有它們的 45%！

• 論文地址：https://arxiv.org/abs/2502.04180
• Github 鏈接：https://github.com/bingreeky/MaAS
• 論文標題：Multi-agent Architecture Search via Agentic Supernet

智能體的 “一體化” 困境：

從設計內卷到資源浪費

如今，從 AutoGen 到 MetaGPT，各種多智能體系統（Multi-agent Systems）層出不窮，通過定制化的協作，其能力在多個領域（如代碼生成，復雜通用 AI 任務）已超越了單個智能體。但一個核心痛點始終存在：這些系統的設計往往依賴于繁瑣的人工配置和 Prompt 工程。 為了解決這個問題，研究界轉向自動化設計，比如通過強化學習、進化算法、蒙特卡洛樹搜索等方式尋找最優的 Agent 工作流。

然而，這又帶來了新的困境：

1.  資源浪費 (Dilemma 1)：諸如 AFlow 和 ADAS 這樣的自動化多智能體系統優化方法傾向于找到一個極其復雜的 “萬金油” 式系統，以確保在所有任務上表現優異。 但面對 “10+1*2.5=？” 這樣的簡單問題，動用一個需要數十次 LLM 調用的復雜系統，無疑是巨大的資源浪費。

2.  任務沖突 (Dilemma 2)：在 GAIA 這樣的多領域基準測試中，一個擅長文獻總結的多智能體系統，不一定擅長網頁瀏覽總結 —— 似乎不存在一個能在所有任務上都最優的 “全能冠軍”。

面對這種 “要么手動內卷，要么自動浪費” 的局面，我們是否該換個思路了？

Agentic Supernet：

從 “選一個” 到 “按需生萬物”

這篇論文的核心貢獻，就是一次漂亮的 “范式轉移” (Paradigm Reformulation)。作者提出，我們不應該再執著于尋找一個單一、靜態的最優智能體架構。相反，我們應該去優化一個 “智能體超網”（Agentic Supernet） —— 這是一個包含海量潛在智能體架構的概率分布。

圖 1 智能體超網絡

這個 “超網” 就像一個巨大的 “能力兵工廠”，里面包含了諸如思維鏈（CoT）、工具調用（ReAct）、多智能體辯論（Debate）等各式各樣的基礎能力 “算子”（Agentic Operator）。當一個新任務（Query）到來時，一個 “智能控制器”（Controller）會快速分析任務的難度和類型，然后從這個 “兵工廠” 中，動態地、即時地挑選并組合最合適的幾個 “算子”，形成一個量身定制的、不多不少、資源分配額剛剛好的臨時智能體系統去解決問題。

上圖生動地展示了這一點：

• 對于簡單問題 (a, b)：MaAS 在第二層就選擇了 “提前退出”（Early-exit），用最簡單的 I/O 或 ReAct 組合快速給出答案，極大節省了資源。
• 對于中等和困難問題 (c, d)：MaAS 則會構建更深、更復雜的網絡，調用更多的算子來確保問題得到解決。

這種 “按需分配、動態組合” 的哲學，正是大名鼎鼎的 NAS 的核心思想。如今，MaAS 框架將其成功地應用在了多智能體架構搜索（Multi-agent Architecture Search）上，可以說是 NAS 在 Agentic 時代的重生和勝利。

MaAS 的 “三板斧” 如何玩轉智能體架構？

接下來，我們就一起拆解 MaAS 的 “獨門秘籍”。其核心思想，可以概括為定義藍圖 → 智能調度 → 自我進化三步走戰略。

第一板斧：定義萬能 “藍圖” - Agentic Supernet

傳統方法是設計一個具體的 Agent 架構 (System)，而 MaAS 的第一步，就是定義一個包含所有可能性的 “宇宙”—— 智能體超網 (Agentic Supernet)。

1.  智能體算子 (Agentic Operator)：首先，MaAS 將智能體系統拆解為一系列可復用的 “原子能力” 或 “技能模塊”，也就是智能體算子 (O)。這包括了：

• I/O: 最簡單的輸入輸出。
• CoT (Chain-of-Thought): 引導模型進行循序漸進的思考。
• ReAct: 結合思考與工具調用。
• Debate: 多個 Agent 進行辯論，優勝劣汰。
• Self-Refine: 自我批判與修正。
•  ... 等等，這個 “技能庫” 是完全可以自定義擴展的！

2.  概率化智能體超網 (Probabilistic Agentic Supernet)：有了這些智能體算子，MaAS 將它們組織成一個多層的、概率化的結構。你可以想象成一個分了好幾層的巨大 “技能池”。

• 每一層都包含了所有可選的智能體算子。
• 每個模塊在每一層被 “選中” 的概率（π）是不固定的，是可以學習和優化的。

圖 2 MaAS 自進化框架示意圖

如圖 2 所示的智能體超網，就是 MaAS 施展魔法的舞臺。它不是一個靜態的系統，而是一個智能體系統架構的概率分布空間。

第二板斧：智能 “調度師” - 按需采樣架構

有了 “藍圖”，當一個具體的任務（Query q）來了，如何快速生成一個 “定制團隊” 呢？這就輪到 MaAS 的 “智能調度師”—— 控制器網絡 (Controller) 上場了。控制器的工作流程如下所示：

1.  “閱讀” 任務：控制器首先將輸入的 Query q 進行編碼，理解其意圖和難度。

2.  逐層挑選：然后，它從超網的第一層開始，逐層為當前任務挑選最合適的 “技能模塊”。

3.  MoE 式動態選擇：這里的挑選機制非常精妙，它采用了一種類似混合專家（MoE）的策略。

在每一層，控制器會為所有待選的技能模塊計算一個 “激活分數”。這個分數取決于當前任務 q 以及之前層已經選定了哪些模塊。

然后，它會從分數最高的模塊開始，依次激活，直到這些被激活模塊的累計分數總和超過一個預設的閾值 (thres)。

這個設計恰恰與 MaAS 的動態性緊密相關！這意味著：

• 簡單任務可能在某一層只激活一個智能體算子就夠了。
• 復雜任務則會激活更多的算子，可能是兩個、甚至三個，以保證足夠的解決能力。
• 同時，如果 “早停 (Early-Exit)” 這個特殊的算子被選中，整個采樣過程就會提前結束，完美實現了 “見好就收”。

通過這種方式，MaAS 為每一個 Query 都動態生成了一個獨一無二的、資源配比恰到好處的 Agent 執行圖（G），實現了真正的 “查詢感知（Query-aware）”。

第三板斧：雙軌 “進化引擎” - 成本約束下的優化

生成了臨時團隊去執行任務還不夠，MaAS 還要能從經驗中學習，讓整個 “超網” 和 “算子” 都變得越來越強。但這里有個難題：整個 Agent 執行過程是 “黑盒” 的，充滿了與外部工具、API 的交互，無法進行端到端的梯度反向傳播！為此，MaAS 采用了雙軌優化策略，分別對 “架構分布” 和 “算子本身” 進行更新：

1.  架構分布 (π) 的進化 - 蒙特卡洛策略梯度：

• MaAS 的目標函數不僅要考慮任務完成得好不好（Performance），還要考慮花了多少錢（Cost，如 token 數）。
• 它通過蒙特卡洛采樣來估計梯度。簡單說，就是讓采樣出的幾個不同架構（G_k）都去試試解決問題。
• 然后，根據每個架構的 “性價比”（即性能高、成本低）賦予其一個重要性權重 (m_k)。
• 最后，用這個權重來更新超網的概率分布 π，讓那些 “又好又省” 的架構在未來更容易被采樣到。

2.  算子 (O) 本身的進化 - Textual Gradient (文本梯度)：

這是最 “魔法” 的地方！如何優化一個 Prompt 或者一段 Python 代碼？MaAS 借鑒了 “文本梯度” 的概念。

它會利用一個梯度智能體，來分析某個算子（比如 Debate 算子）的表現。

如果表現不佳，這個 “教練” 會生成一段文本形式的 “改進意見”，這就是 “文本梯度”。比如：

• “給這個 Refine 過程的 Prompt 里增加一個 few-shot 示例。”
• “為了穩定性，降低這個 Ensemble 模塊里 LLM 的 temperature。”
• “給這個 Debate 算子增加一個‘反對者’角色，以激發更深入的討論。”

圖 3 文本梯度案例

性能、成本、通用性：全都要！

MaAS 的效果不僅理念先進，數據更是亮眼。

圖 4 MaAS 與其他多智能體方法性能比較

如上圖所示，在 GSM8K、MATH、HumanEval 等六大主流基準測試上，MaAS 全面超越了現有的 14 個基線方法，性能提升了 0.54% ~ 11.82%。 平均得分高達 83.59%，展示了其卓越的通用性和高效性。

圖 5 訓練與推理成本比較

成本大降是更令人興奮的一點。MaAS 所需的推理成本（如 token 消耗）平均只有現有自動化或手動系統的 45%。在 MATH 基準上，MaAS 的訓練成本僅為 3.38 美元，而表現相近的 AFlow 則高達 22.50 美元，相差 6.8 倍。除此之外，MaAS 的優化時間僅需 53 分鐘，遠低于其他動輒數小時的方法。

圖 6 MaAS 成本可視化

上圖同樣展示了 MaAs 在訓練 token 消耗、推理 token 消耗和推理 API 金額方面的卓越性能。

圖 7 MaAS 推理動態展示。可以看到，針對不同難度的 query，MaAS 智能地激活了不同的智能體網絡架構解決之。

上圖是 MaAS 對于不同難度的 query 的激活動態。可以看到，MaAS 完美地做到了任務難度的動態感知，對于簡單的任務早早地退出了推理過程，而對于復雜的任務則深入 3～4 層智能體超網絡 u，并且每層激活的智能體算子不止一個。

除此之外，MaAs 還展示出了超強泛化能力：

• 跨模型：在 gpt-4o-mini 上優化好的 “超網”，可以輕松遷移到 Qwen-2.5-72b 和 llama-3.1-70b 等不同的大模型上，并帶來顯著的性能提升。
• 跨數據集：在 MATH 上訓練，在 GSM8K 上測試，MaAS 依然表現出色，證明了其強大的跨領域泛化能力。
• 對未知算子：即使在訓練中從未見過 “Debate” 這個算子，MaAS 在推理時依然可以合理地激活并使用它，展現了驚人的歸納能力。

總結

MaAS 通過引入 “智能體超網” 的概念，巧妙地將 NAS 的思想范式應用到多智能體系統的自動化設計中，完美解決了當前領域 “一刀切” 設計所帶來的資源浪費和性能瓶頸問題。它不再追求一個靜態的最優解，而是轉向優化一個動態生成的架構分布，為不同任務提供量身定制的、最高性價比的解決方案。這項工作無疑為構建更高效、更經濟、更智能的全自動化 AI 系統鋪平了道路。

讓我們共同期待一個完全自動化、自組織、自進化的集體智能時代的到來！