本文介绍华为泊松实验室提出的 MANGO 框架，通过强化学习优化多智能体流网络中的路径选择，并结合文本梯度与节点跳跃机制，实现端到端协作效率与稳定性的提升。
📝 详细摘要
文章详细介绍了由华为泊松实验室与维纳研究所提出的 MANGO（Multi-Agent Network Gradient Optimization）框架，旨在解决多智能体协作中因错误传播导致的系统不稳定问题。MANGO 的核心创新在于将多智能体系统的结构、任务分解与路径选择进行一体化建模，并通过数据驱动的方式实现端到端优化。框架包含三个关键步骤：基于历史工作流构建流网络、利用 REINFORCE 算法强化学习优化边选择、以及通过文本梯度反向传播优化节点内的提示词。此外，引入的节点跳跃机制（Skip-k）可在保持性能的同时显著降低计算开销。文章还提供了在 HumanEval、MATH500、DROP 等 7 个基准上的实验数据，证明 MANGO 在准确率和效率上均优于 AFlow、MaAS 等基线方法，尤其在 MATH500 上准确率提升 12.8%，结合 Skip-3 后训练时间缩短 41.5%。
💡 主要观点
- MANGO 通过强化学习联合优化多智能体流网络中的路径选择与节点提示。 框架将路径选择建模为马尔可夫决策过程，使用 REINFORCE 算法优化；同时利用文本梯度反向传播更新节点提示词，形成相互依赖的优化循环。
💬 文章金句
- 该框架一体化建模多智能体系统结构、任务分解与路径选择，实现端到端协作优化。
- 强化学习边优化与文本梯度节点优化的相互依赖性：更新节点的提示词会修改状态的内容，这将会直接影响路径选择策略；反之，采样路径决定了流网络中哪些节点的提示词会被实际更新。
📊 文章信息
AI 初评：84
来源：机器之心
作者：机器之心
分类：人工智能
语言：中文
阅读时间：12 分钟
字数：2798
标签： AI Agent, 多智能体系统, 强化学习, 工作流优化, LLM