多智能体拆分策略与生成，提升LLM搜索优化效果
资讯摘要
论文研究LLM如何管理探索-利用权衡，指出单智能体在同一提示内同时做策略选择与候选生成会认知过载，导致搜索不稳定和过早收敛。作者提出多智能体框架，将控制拆分为策略智能体与生成智能体：前者为多个搜索准则分配可解释权重，后者按该策略生成候选。作者报告在多个连续优化基准上，策略与生成分离显著提升LLM介导搜索的效果。
要点速读
- 论文称单智能体LLM同时做策略选择与候选生成会认知过载，搜索动态不稳定并过早收敛
- 提出多智能体框架：策略智能体为搜索准则分配可解释权重，生成智能体按权重生成候选
- 作者报告在多个连续优化基准上，策略控制与候选生成分离提升了LLM介导搜索的效果
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。