Evolving Agent Teams：多智能体框架突破编码智能体局部最优

多智能体框架通过诊断局部最优并重组团队，从零生成 CUDA 内核超越 FlashInfer。

资讯摘要

论文提出 Evolving Agent Teams 多智能体框架，用于解决现有编码智能体在 FlashInfer 等真实专家内核上陷入局部最优的问题。框架包含诊断局部最优并重组智能体团队的中央监督者，以及由学习文档、演化历史和团队产物构成的持久文件系统。作者报告在相同 token 预算下持续优于强基线，扩展预算后从零生成的 CUDA 内核相对 FlashInfer MLA paged decode 平均加速 1.2 倍，并在 47 个生产负载中 36 个胜出。

要点速读

1. 框架由中央监督者与持久文件系统组成，前者诊断局部最优并重组团队，后者以学习文档、演化历史和团队产物支撑重组。
2. 作者报告在匹配 token 预算下持续优于强编码智能体基线；扩展预算下生成的内核相对 FlashInfer MLA paged decode 平均加速 1.2 倍，47 个生产负载中 36 个胜出。
3. 论文还报告 KDA prefill 在 AMD MI350X 上相对 vLLM 加速 3.01 倍、在 NVIDIA B200 上相对 FlashKDA 加速 3.44 倍，以及 Apple silicon 上的 MoE expert-offload 服务和 RoboDojo 机器人操作结果；代码已公开。

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 2026/10/29 08:00:21（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。