论文提出带切换成本与风险约束的保守式元智能体架构搜索方法。
资讯摘要
论文将元智能体架构搜索形式化为带切换成本与硬性风险约束的序贯替换问题，提出保守式元智能体搜索（CMAS）：检索归档架构并生成类型化图编辑，用配对影子回放打分，晋升需通过方差惩罚的校准阈值，并设模拟金丝雀与回滚。作者还发布 MetaInvest-Bench 模拟器。在 96 条数据流上，作者报告归一化动态 oracle 遗憾从 0.116 降至 0.104，留出效用从 0.44 升至 0.48，部署推理成本约低 6%，但含搜索的 token 成本最高。
要点速读
- CMAS 以带切换成本和风险约束的序贯替换形式化元智能体架构搜索，晋升需通过校准的方差惩罚阈值并经过模拟金丝雀与回滚。
- 作者提出 MetaInvest-Bench 制度切换模拟器，含泄漏控制回放、对抗治理轨道和五个负对照。
- 作者报告 96 条流上遗憾 0.116→0.104、留出效用 0.44→0.48，部署推理成本约低 6%，含搜索 token 成本最高；每次更新误晋升率 3.4%（名义 5%），密封重跑为 4.8%。
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 2026/10/24 08:00:37（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。