SHIFT：按查询预测动态构建多智能体系统
原文标题：Dynamic Harness Search: Building Multi-Agent Systems Per-Query via Prediction
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 SHIFT 方法，将执行过程移出逐查询搜索循环：由本地 LLM 架构师从搜索中学习 harness 构建策略，并用价值函数预测兼顾准确率与执行成本的效用，再通过蒙特卡洛树搜索为每个查询构建智能体 harness。在六大基准共 9193 项任务上，SHIFT 平均准确率约 80%，超过 17 个基线，比最强基线高 7.2 个百分点；低成本模式在减少 32% 执行 token 的同时仍优于所有基线。研究还表明联合选择结构、指令与工具比只选其一最多高出 9.1 个百分点。
- 问题
- 智能体 harness（角色、指令、工具、通信结构）需按查询定制，但逐查询执行搜索代价高。
- 方法
- SHIFT 把执行移出搜索循环：本地 LLM 架构师从搜索中学 harness 构建策略，价值函数预测准确率与执行成本的效用，再用蒙特卡洛树搜索为每个查询构建 harness。
- 结果
- 六大基准 9193 项任务上平均准确率约 80%，超 17 个基线，比最强基线高 7.2 个百分点；低成本模式省 32% 执行 token 仍优于所有基线。
- 影响
- 多智能体编排从人工设计转为按查询自动生成，直接降低 token 成本并提升准确率，可替换现有固定 workflow。
深读 · 结论先行AI 生成展开看要点与影响 ↓
SHIFT 用价值函数预测替代逐查询执行搜索，9193 项任务平均准确率约 80%，超最强基线 7.2 个百分点。
- •本地 LLM 架构师从搜索中学习 harness 构建策略，价值函数预测兼顾准确率与执行成本的效用
- •用蒙特卡洛树搜索为每个查询构建 harness，执行被移出逐查询搜索循环
- •六大基准 9193 项任务上平均准确率约 80%，超过 17 个基线，比最强基线高 7.2 个百分点
- •低成本模式减少 32% 执行 token 仍优于所有基线；联合选择结构、指令与工具比只选其一最多高 9.1 个百分点
为什么重要：把多智能体系统的设计从人工调优转为按查询预测构建，为智能体 harness 的自动化与成本控制提供了可量化方案。
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。