为什么ADAS能获NeurIPS杰出论文？揭秘Meta Agent Search核心算法

【免费下载链接】ADAS [ICLR 2025] Automated Design of Agentic Systems 项目地址: https://gitcode.com/gh_mirrors/adas/ADAS

ADAS（Automated Design of Agentic Systems）作为ICLR 2025收录的创新研究，凭借其突破性的Meta Agent Search算法荣获NeurIPS 2024开放世界智能体研讨会杰出论文。这一算法首次实现了智能体自主设计新智能体的能力，为人工智能自动化研究开辟了全新方向。

🤖 什么是Meta Agent Search？

Meta Agent Search是ADAS项目的核心算法，其核心思想是让一个"元智能体"（Meta Agent）通过迭代学习，自动生成并优化新的智能体代码。这种自举式的设计方法使AI系统能够突破人类设计的局限，发现全新的智能体架构。

如上图所示，Meta Agent Search包含三个关键组件：

• 元智能体（Meta Agent）：负责设计和优化新智能体
• 智能体档案库（Agent Archive）：存储和评估已生成的智能体
• 多类型智能体实例：包括多步骤同行评审智能体、多模态验证智能体和分治智能体等

🔑 三大技术突破让ADAS脱颖而出

1. 自动代码生成与优化

Meta Agent能够基于历史经验自动编写新智能体代码，并通过"精炼直到新颖且无错误"（Refine until novel and error-free）的循环持续优化。这种能力体现在每个领域文件夹下的search.py脚本中，例如：

python {DOMAIN}/search.py

2. 跨领域自适应能力

ADAS设计了可扩展的架构，支持在不同任务领域快速部署。通过修改evaluate_forward_fn()函数和调整提示模板，研究者可以轻松将Meta Agent Search应用到新场景。项目提供了多个领域的实现案例：

• ARC推理任务：_arc/
• 数学问题求解：_mgsm/
• 阅读理解：_drop/

3. 自迭代学习机制

最具创新性的是，Meta Agent能够从已生成的智能体中提取经验，不断改进设计策略。这种自迭代能力使得系统性能随着时间持续提升，正如论文中所展示的，ADAS在多个基准测试中都取得了突破性结果。

🚀 如何开始使用ADAS？

ADAS提供了简洁的启动流程，只需几步即可运行Meta Agent Search：

# 创建并激活虚拟环境
conda create -n adas python=3.11
conda activate adas

# 安装依赖
pip install -r requirements.txt

# 配置API密钥
export OPENAI_API_KEY="YOUR KEY HERE"

# 运行特定领域的搜索
python _arc/search.py  # 例如运行ARC领域的智能体搜索

🔍 未来展望

ADAS项目不仅获得了学术认可，更为人工智能的自动化设计开辟了新路径。随着研究的深入，Meta Agent Search有望在更多复杂任务中展现出超越人类设计的能力，推动AI系统向更高层次的自主性发展。

如果你对智能体自动化设计感兴趣，不妨通过官方仓库深入探索ADAS的源代码和文档，参与这一前沿领域的创新实践。

【免费下载链接】ADAS [ICLR 2025] Automated Design of Agentic Systems 项目地址: https://gitcode.com/gh_mirrors/adas/ADAS