ICML 2025 Oral | NAS老树开新花，NUS提出智能体超网，成本狂降55%

主要观点总结

该文章介绍了新加坡国立大学博士生张桂彬等人发表的一篇论文，该论文将神经网络架构搜索（NAS）的超网络思想引入Agent领域，首创了“智能体超网”（Agentic Supernet）的概念。针对多智能体系统（Multi-agent Systems）的设计和自动化问题，论文提出了全新的解题思路，通过动态地根据任务难度组建不同的智能体团队，实现了性能的提升和成本的降低。

关键观点总结

关键观点1: 文章背景和作者简介

文章作者包括新加坡国立大学博士生张桂彬等，文章介绍了他们发表的一篇关于智能体超网（Agentic Supernet）的论文。

关键观点2: 智能体超网概念的引入

论文首创了智能体超网的概念，将神经网络架构搜索的超网络思想引入Agent领域。

关键观点3: 现有智能体系统的痛点分析

现有的多智能体系统往往依赖于繁琐的人工配置和Prompt工程，存在资源浪费和任务冲突等问题。

关键观点4: MaAS框架的核心理念

MaAS框架通过定义一个包含所有可能性的“智能体超网”，实现了智能体架构的动态生成和按需分配。

关键观点5: MaAS框架的技术特点

MaAS框架采用概率化智能体超网、智能调度师和进化引擎等技术，实现了智能体系统的自动化设计。

关键观点6: MaAS框架的效果与优势

MaAS框架在多个基准测试中全面超越了现有的多智能体方法，性能提升显著，并且大幅降低了推理成本和训练成本。

关键观点7: MaAS框架的泛化能力

MaAS框架展示了强大的泛化能力，可以跨模型、跨数据集和应对未知算子。