评分 7.0 · 来源：arXiv cs.AI · 发布于 2026-04-06
评分依据：将自动化优化应用于多智能体 Deep Research 系统的实践有价值，但方法增量相对渐进
要点
当前 Deep Research 系统依赖手工设计的 Prompt 和静态架构，改进过程昂贵且脆弱。本研究探索了多种多智能体优化方法——包括自动化 Prompt 优化和架构搜索——来提升系统的迭代规划、检索和综合能力。
研究表明，通过自动化的多智能体优化，可以在不增加人工干预的情况下提升 Deep Research 系统的输出质量，减少对专家调参的依赖。
🤖 AI 点评
Deep Research 是目前 AI 最有前景的应用方向之一，但它的效果高度依赖 Prompt 工程。自我优化思路虽不新颖，但应用于 Deep Research 场景的实践探索还是有价值的——让系统自己找到更好的协作方式，而不是靠人类反复调试。