CEPO 框架分离协调与执行，实测提升四种多智能体提示优化器
Jongha Kim · hf · 2026-11-02
来自 Korea Univ.、KAIST 与 Google Cloud AI Research 的论文提出 CEPO（Coordinator-Executor Prompt Optimization），一个面向多智能体系统（MAS）提示优化的通用框架。
- 问题：现有提示优化方法把系统级协调与智能体级任务执行耦合在同一份 agent 专属 prompt 里，协调规则难以在多个 agent 间一致更新。
- 方法：将 prompt 拆分为共享的 coordinator prompt 与各 agent 专属的 executor prompt，并按各自角色分别指导更新，使协调规则跨 agent 一致精炼、执行指令独立可调。
- 结果：在覆盖四个领域的 11 个 benchmark 上，把 CEPO 套用到四种现有提示优化器均带来一致提升；消融与受控研究进一步显示优化预算效率更高，且性能随 agent 数量可扩展。
「编程与Agent」频道最新
- 开源 TypeScript MCP Server 模板：Fastify 加 Docker 全套开发工具链 — modelcontextprotocol · 2026-11-02
- BLS MCP 服务器上线：让 AI 直接查询美国劳工统计局公开数据 — modelcontextprotocol · 2026-11-02
- 开发者用双 Agent 在 Cloudflare 上自动侦察 GTA 6 迈阿密实景点位 — MicahBerkley · 2026-11-02
- 人大开源 FlashRSI：统一 13 种算法让 Agent 自动自我改进 — aigclink · 2026-11-02
- 开发者观察:Claude Code 与 Antigravity 自发学会用 AX 任务跑危险操作 — rakyll · 2026-11-02
- 训练与评测目标冲突:任务设计应要 pass@k 平滑上升而非阶跃 — JoshPurtell · 2026-11-02