热点事件持续更新

研究团队提出多智能体拓扑搜索方法CATS

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

2026年10月22日，arXiv 发布了一篇关于大模型多智能体系统的论文，核心提出了名为“对比归因拓扑搜索”（CATS）的方法。该研究由 Fabian Tritthart 和 Tom Zehle 提出，旨在固定专业化代理超图内搜索紧凑型团队。 CATS 的运作机制是通过大语言模型归因器对比执行轨迹为代理分配信用，并依据此信息剪枝以优化拓扑结构。在评估结果方面，CATS 在 BigCodeBench 数据集上表现优于仅基于评分的启发式搜索，平均准确率提高 5.3 个百分点，同时部署所需的 token 数量减少了 54%。此外，在 MBPP 基准测试中，该方法以更少的 token 消耗匹配了最强基线的表现。

AI 根据报道生成 · 11 小时前更新

最新进展10月22日 12:00

CATS：用于多智能体系统的对比归因拓扑搜索

报道时间线

沿着报道，了解事件的不同侧面。

10月22日

12:00
arXiv · NLP
CATS：用于多智能体系统的对比归因拓扑搜索
论文提出对比归因拓扑搜索（CATS），通过 LLM 归因器对比执行轨迹为代理分配信用，并据此剪枝以搜索紧凑团队。在大模型多智能体系统（MAS）中，CATS 在 BigCodeBench 上比仅基于评分的启发式搜索平均准确率提高 5.3 个百分点，部署 token 减少 54%；在 MBPP 上以更少 token 匹配最强基线。

本事件热度走势

可比范围当前: 7
可比范围峰值: 910月22日 17:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。