多智能体系统(MAS)发展现状 - OpenAI将"组织级智能(Organizational AI)"设定为通向AGI的第五阶段，多智能体系统是实现该目标的重要探索方向[1] - 现有MAS方法(ChatDev/DyLAN/AFlow等)存在三大根本问题：结构依赖人工调试、多轮LLM调用成本高昂、泛化性低[5][7] - 当前处理大规模并发请求的类ChatGPT系统若采用传统MAS范式，可扩展性与鲁棒性将无法满足需求[5] MAS-GPT技术突破 - 提出生成式MAS设计范式，通过一句Query即可自动生成可执行的多智能体系统，构建过程"像与ChatGPT聊天一样简单"[2][4][9] - 将MAS设计转化为语言生成任务，输出为Python代码实现的完整系统，实现"模型写MAS"而非人工编写[9] - 基于11K高质量数据样本进行监督微调(SFT)，训练出MAS-GPT模型[10] 性能优势 - 在8个基准任务×5种主流模型的对比中，平均准确率较最强基线提升3.89%[16][17] - 推理成本仅为竞品的0.5倍，在GPQA/SciBench等未见任务上保持稳健表现[17][18] - 与OpenAI o1/DeepSeek-R1等强推理模型结合时，在AIME-2024数学挑战中分别提升13.3%和10.0%[22] 技术特性 - 具备极强兼容性，生成的MAS适配任何LLM驱动均能带来性能提升[20] - 可自动生成新颖MAS结构，为未见任务设计合理分工协作方案[24][29] - 为每个MAS附加推理说明，解释设计逻辑[29] 行业影响与发展 - 开创"为每个Query自动生成MAS"的新范式，理论上可整合领域内所有多智能体系统[25] - 成立MASWorks开源社区，连接全球研究者推动MAS领域发展，将在ICML 2025举办MAS-2025研讨会[28][30][31] - 随着基座模型能力提升和数据丰富，未来可能实现为每个问题量身定制智能系统的愿景[26][27]