Cooperation makes better: Multi-agent interactive evolution framework in LLM4OR

She, Chengxi

doi:10.1016/j.eswa.2026.133754

Cooperation makes better: Multi-agent interactive evolution framework in LLM4OR

2026-08-01

0

PRE

AI

DOI：10.1016/j.eswa.2026.133754

原文链接

原文求助

摘要

En 中文

本文提出了一种元级提示优化框架，多智能体交互提示优化（MAIPO），以解决运筹学领域大型语言模型（LLM4OR）的两个持续限制：跨异构任务的泛化能力有限和领域专业知识的整合不足。MAIPO包含两个核心组件。首先，我们将带有领域专业知识的候选方案迭代对话机制抽象为结构化的部分可观察马尔可夫决策过程（POMDP），用于奖励驱动的提示进化。其次，我们将合作博弈理论整合到多智能体协作框架中，以量化并分配智能体的贡献。这两个组件共同增强了提示优化的专业性和有效性，同时保持了在计算受限环境下的鲁棒性。在多个基准数据集和代表性基线方法上的广泛实验表明，MAIPO始终能取得显著性能提升，最高达到15.7%。此外，我们还证明，明确定义智能体的角色和任务是更经济高效的优化策略。数据与代码可在https://github.com/ChengxiSHE/MAIPO.git获取。

Keyword:

Multi-agent framework

Agentic evolution

Markov decision process

Large language models for operation research

Cooperation makes better: Multi-agent interactive evolution framework in LLM4OR

摘要

期刊

机构

引用论文