arXiv · AI· Ali Atiah Alzahrani·· 4 小时前AI 评分36
CMAS：非平稳环境下保守型元智能体搜索架构
Conservative Meta-Agent Search: Architecture Adaptation under Non-Stationarity
AI 导读
CMAS 通过影子回放与干预信用分配解决元智能体架构搜索中的非平稳性挑战。在 MetaInvest-Bench 的 96 个流中，其动态后悔值从 0.116 降至 0.104，保留效用从 0.44 提升至 0.48。 其部署推理成本降低约 6%，但包含搜索的 token 成本最高；单次更新误促率观测值为 3.4%，低于 5% 的名义目标。
来源：arXiv · AI · arxiv.org