Jie Mao等提出IF-MAP智能体优先级方法

2026年10月20日，Jie Mao、Pingchen Lu等人在arXiv平台发布研究，正式提出名为“IF-MAP”的多智能体系统优先级排序方法。该方法受到影响函数（Influence Function）的启发，旨在识别那些对系统级改进具有高潜力的关键智能体。 在技术实现上，IF-MAP通过受限语义扰动测量系统损失的变化，并拟合局部响应模型。基于此模型，系统能够筛选出优化后能带来最大整体收益的智能体，进而指导团队优先优化这些智能体的提示词或升级其底层模型，从而提升多智能体工作流的效能。 实证结果显示，在六个不同工作流中，优化通过IF-MAP选中的智能体提示词，其宏平均增益达到3.81个百分点，显著优于均匀随机选择的1.85个百分点。此外，对选中智能体进行模型升级后，在五个目标模型上获得了7.62至16.42个百分点的性能增益，验证了该方法在定位关键优化节点上的有效性。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。