ADAS：智能体系统自动设计

ADAS 定义智能体系统自动设计范式，让 Meta Agent 在 Python 代码空间搜索 Agent 架构，并用跨任务、跨模型实验检验自动设计能力。

核心思想

定义 “Automated Design of Agentic Systems” (ADAS) 研究领域。核心洞察：编程语言是图灵完备的，因此在代码空间中搜索等价于搜索所有可能的 Agent 架构。

Meta Agent Search

1. Meta Agent：一个 LLM，负责编写定义新 Agent 架构的代码
2. 搜索空间：所有实现 Agent 的合法 Python 程序
3. 迭代流程：每轮 Meta Agent 审查历史发现 + 性能 → 编写新 Agent → 评估 → 归档

关键发现

• 发现的 Agent 超越人工设计 SOTA
• Agent 跨领域迁移（任务 A 训练，任务 B 有效）
• Agent 跨模型迁移（GPT-3.5 设计，GPT-4 可用）

意义

ADAS 支持一个判断：Agent 架构设计可以从手工工程部分转向自动搜索，类似 NAS 对神经网络架构的影响；外推仍需要更多任务和失败案例。

关系网络

• DGM 的前身（同作者，增加开放式归档）
• 与 NAS 思路类似，但搜索空间从连续权重变为离散代码
• 受 AutoML / ZERO 成本代理概念启发

← 返回研究图谱