研究者提出多智能体拓扑搜索方法CATS

2026年10月22日，研究人员在 arXiv 发布成果，提出面向多智能体系统的对比归因拓扑搜索方法（CATS）。该方法利用大语言模型归因器对比候选拓扑的执行轨迹并分配单智能体信用，进而更新超图边权，并对弱边与弱智能体进行剪枝。实验表明，在使用开源小模型时，CATS 在 BigCodeBench 上的平均准确率较纯评分启发式搜索提升 5.3 个百分点，同时部署 token 消耗减少 54%。此外，在 HotpotQA 提示词投毒压力测试中，CATS 在全部三次运行中均成功剔除了所有带有对抗提示词的智能体。

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。