数学提分25.9%！科学家用AI智能体自动化技术替代手工设计
在生成式AI火爆的当下，AI智能体（AI Agents）不断涌现，成为一股新的风潮。与此同时，研究人员也在试图改变手工方式设计智能体系统的现状。
智能体系统（Agent System）是由一个或多个智能体（Agent）组成的集合，这些智能体能够在特定环境中感知信息、进行推理决策，并采取行动以实现特定目标，且能够与环境和其他智能体进行交互通信。
以往，以手工方式设计智能体系统，研究人员往往需要投入大量的人力和时间，且必须不断尝试各种新的构建模块和组合方式。这种传统的设计模式不仅效率低下，而且难以满足日益增长的多样化需求。随着应用场景的逐渐增多，手工方式为每个特定任务设计智能体变得愈发不切实际。不同的任务要求千差万别，手工设计难以快速适应变化，导致智能体系统的开发周期漫长，成本居高不下。
日前，一篇以《智能体系统的自动设计》（Automated Design of Agentic Systems，简称ADAS）为题的论文发表在arXiv上，为智能体系统的设计带来了全新的思路。该研究致力于探索一种自动化的方法，旨在针对不同任务快速生成智能体系统，并使其能在相关应用场景的反馈中不断实现自我进化。
在这项研究中，南方科技大学本科校友、加拿大不列颠哥伦比亚大学博士胡圣然作为第一作者发挥了关键作用。胡圣然博士带领团队深入研究智能体系统自动设计的难题。他们运用先进的算法和模型，试图让智能体系统的设计摆脱手工操作的束缚。通过自动化技术，智能体系统能够根据任务的具体要求，快速整合合适的模块和组件，实现高效的构建过程。
ADAS算法在阅读任务与数学任务领域展现出了非凡的实力，为相关领域带来了显著的提升。在阅读任务方面，ADAS算法能够将性能分数提高13.6/100（F1）。这意味着在处理文本信息时，该算法能够更精准地理解和分析内容，有效提升信息提取、语义理解等关键能力，为诸如文献研究、信息检索等众多依赖阅读准确性的任务提供了强有力的支持。
而在数学任务中，ADAS算法更是实现了25.9%的性能提升。不仅如此，ADAS算法的优势还体现在其卓越的泛化能力上。通过该算法自动发现的智能体系统，能够在不同任务和不同模型之间灵活迁移应用，展现出良好的适应性和通用性。
在与应用场景的交互中，智能体系统可以收集反馈信息，不断调整自身的参数和结构，从而实现自我优化和进化。这一创新成果有望在多个领域产生深远影响，如智能交通、医疗保健、金融服务等。
AI智能体的频繁现身，有望催生出“杀手级应用”，改变人们的使用习惯，甚至行业的格局。而智能体系统则关系到各个AI职能体之间的整体系统架构和运行机制，以实现相互协作、通信、协调行动和交互，重要性同样不言而喻。
