AgentGrad

AgentGrad框架通过新的干预方法优化多智能体LLM提示

研究人员开发了AgentGrad，一个用于优化大型语言模型驱动的多智能体系统提示的新框架。该方法通过实现顺序干预来解决现有文本梯度方法的局限性，以查明导致失败的特定智能体，并提取具有智能体级别监督的细粒度梯度。AgentGrad还使用语义文本梯度抽象来对相似梯度进行分组，从而实现更通用、更有效的提示更新。实验表明，AgentGrad在五个基准测试中取得了最先进的性能，并显著减少了优化时间。