MASPO：面向大語言模型多智慧體系統的聯合提示優化方法

基於大語言模型（LLM）的多智慧體系統（MAS）在解決複雜協作任務方面展現出顯著潛力，系統中各智慧體通常透過角色特定的提示詞進行協調。儘管提示詞質量至關重要，但由於局部智慧體目標與整體系統目標之間存在錯位，跨互動智慧體聯合優化提示詞仍是一項非平凡挑戰。為此，本文提出 MASPO——一種旨在自動且迭代地精煉整個系統範圍內提示詞的新型框架。MASPO 的核心創新在於其聯合評估機制，該機制不僅評估單一智慧體的提示詞，還考量多智慧體之間的協同效應與衝突，從而在系統全局視角下進行提示詞優化。實驗結果表明，MASPO 能夠在多個基準任務上顯著提升多智慧體系統的整體性能。