IF-MAP 用影响函数思路为多智能体系统排优先级
原文标题：IF-MAP: Influence-Function-Inspired Agent Prioritization in Multi-Agent Systems
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 IF-MAP，借鉴影响函数思想识别多智能体系统中最值得优先改进的智能体。方法通过受控语义提示扰动测量端到端损失变化，在低维提示嵌入子空间拟合局部响应模型并以响应范数作为优先级分数，全程黑盒无需梯度。在六类多智能体工作流上，按优先级优化提示带来 3.81 个百分点宏平均增益，并显著减少 Qwen3-8B 与 DeepSeek-V3.2 的 token 消耗。
- 问题
- 多智能体系统逐个改进成本高，需判断优先优化哪个智能体。
- 方法
- 借鉴影响函数，用受控语义提示扰动测端到端损失变化，以局部响应范数作优先级分数，全程黑盒。
- 结果
- 六类工作流上按优先级优化提示得 3.81 个百分点宏平均增益（均匀选择 1.85），升级模型增益 7.62 至 16.42 点。
- 影响
- 资源有限时可按分数决定先改哪个智能体，并降低 token 消耗。
深读 · 结论先行AI 生成展开看要点与影响 ↓
IF-MAP用黑盒影响函数给多智能体排优先级，优化选中智能体提示带来3.81个百分点增益，均匀选择仅1.85。
- •通过受控语义提示扰动测量端到端损失变化，在低维提示嵌入子空间拟合局部响应模型
- •以响应范数作为优先级分数，全程黑盒，无需模型参数或梯度
- •六类工作流覆盖代码生成、问答与数学推理，提示优化宏平均增益3.81对1.85个百分点
- •五个目标模型上升级选中智能体增益7.62-16.42个百分点，均匀选择为3.81-8.62
- •论文指出失败责任归属并不直接等于改进该智能体可获得的系统级收益
为什么重要：多智能体系统调优预算有限时，这条给出了可量化的「先改谁」依据，且不要求白盒访问。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。