【GitHub开源AI精选】Salesforce开源项目MAS-Zero：零监督下的多智能体系统设计框架

系列篇章💥

前言

在人工智能领域，多智能体系统（MAS）作为一种强大的工具，能够通过多个智能体的协作解决复杂问题。然而，传统的MAS设计依赖于人工设计智能体角色和通信协议，这不仅效率低下，还难以适应新任务。Salesforce最新推出的MAS-Zero框架，以其零监督的自动设计能力，为这一领域带来了突破性的进展。

一、项目概述

MAS-Zero是Salesforce推出的一个创新的多智能体系统（MAS）设计框架，能够在无需人类监督的情况下自动设计和优化MAS。它基于元级设计，在推理时动态生成、评估和改进MAS配置，通过自验证机制从候选解决方案中选择最优结果。这一框架在数学推理、高级问答和代码生成等多个领域表现出色，且完全不依赖外部监督信号，展现了强大的自进化能力和灵活性。

二、技术原理

（一）元迭代（Meta-Iterations）

1. 任务分解与MAS生成：MAS-Zero将复杂问题分解为多个子任务，并为每个子任务生成对应的MAS实现。它将MAS设计视为代码生成问题，通过元代理动态调整任务分解和MAS配置。
2. 元级反馈：评估生成的MAS设计的可解性和完整性，基于中间输出判断当前MAS是否能有效解决问题，并生成反馈指导后续迭代改进。

（二）自验证（Self-Verification）

在多次元迭代后，从所有候选解决方案中选择最合适的结果，通过对比不同迭代产生的答案，结合验证策略确定最终输出。

（三）基于LLM的元代理

MAS-Zero使用大型语言模型（LLM）作为元代理，负责任务分解、生成MAS代码、反馈生成及结果验证。元代理在推理过程中不断学习和进化，逐步优化MAS设计。

（四）自我监督学习

整个过程不依赖外部验证集或人类监督，仅通过系统自身的执行结果和反馈信号进行自我监督学习，从而提高系统的性能和适应性。

三、主要功能

（一）自动设计多智能体系统（MAS）
MAS-Zero无需人类手动设计智能体角色和通信协议，能够根据具体问题自动生成适合的MAS结构，显著提高系统对新任务的适应性和性能。

（二）动态适应问题
在推理阶段，针对每个问题实例进行动态的智能体组合和问题分解，使MAS更好地应对复杂多变的任务。

（三）无需验证集监督
不依赖于预先标注的验证集调整和优化MAS配置，降低了对数据的需求，提高了系统的灵活性和实用性。

（四）性能优化
基于元级设计和自验证机制，不断迭代改进MAS设计，提升系统在复杂任务上的准确率和效率，同时保持成本效益。

（五）自进化能力
在推理过程中，基于自我反馈和评估自动学习和进化，逐步优化MAS的设计和性能，无需外部监督信号。

四、性能表现

MAS-Zero在多个基准测试中表现出色，包括数学推理（AIME24）、研究生水平问答（GPQA）和代码生成（SWE-Bench）。它在这些领域中均优于手动设计的MAS和现有的自动MAS方法，平均准确率提升了7.44%。

MAS-Zero在性能和成本之间达到了新的平衡。它在保持高性能的同时，显著降低了成本，成为当前最有效的自动MAS设计方法之一。

五、应用场景

（一）复杂问题求解
在数学、科学计算等领域，将复杂问题分解为多个子任务，提高求解效率和准确性。

（二）自然语言处理
用于高级问答系统和文本生成编辑，生成高质量的自然语言处理结果。

（三）软件工程
在代码生成、优化和软件测试中，将任务分解为多个子任务，提高软件开发和测试的效率与质量。

（四）医疗健康
应用于疾病诊断和治疗方案制定，提高医疗决策的准确性和个性化水平。

（五）教育领域
用于个性化学习和智能辅导，根据学生需求分解学习任务，提供定制化的学习路径和辅导内容，提升学习效果。

六、快速使用

（一）环境搭建

1. 创建并激活Python环境：

conda create -n mas_zero python=3.12 && conda activate mas_zero

2. 安装必要的Python包：

pip install anthropic openai backoff together
pip install -r requirements.txt
pip install datasets jinja2
pip install -e human-eval

（二）运行MAS-Zero

1. 配置API密钥：

export OPENAI_API_KEY={YourKey}
export TOGETHER_API_KEY={YourKey}

2. 执行搜索任务：

python main_question.py --dataset workflow_search/aime24 --option plan --meta_model gpt-4o_chatgpt --node_model gpt-4o_chatgpt --verifier_model gpt-4o_chatgpt --blocks COT COT_SC Reflexion LLM_debate --use_oracle_verifier --defer_verifier --n_generation 5

3. 执行验证任务：

python main_judge.py --dataset aime24 --judge_method self --baseline workflow_search --model gpt-4o_chatgpt --min_sample 0 --max_sample 30 --max_response_per_sample 9

七、结语

MAS-Zero作为Salesforce推出的多智能体系统设计框架，以其零监督的自动设计能力和强大的自进化能力，为复杂任务的解决提供了全新的思路。它不仅在多个领域表现出色，还通过动态适应和自验证机制，显著提高了系统的灵活性和性能。随着技术的不断发展，MAS-Zero有望在更多领域发挥重要作用。

八、项目地址

• 项目官网：https://mas-design.github.io/
• GitHub仓库：https://github.com/SalesforceAIResearch/MAS-Zero
• arXiv技术论文：https://arxiv.org/pdf/2505.14996

🎯🔖更多专栏系列文章：AI大模型提示工程完全指南、AI大模型探索之路（零基础入门）、AI大模型预训练微调进阶、AI大模型开源精选实践、AI大模型RAG应用探索实践🔥🔥🔥 其他专栏可以查看博客主页📑

😎 作者介绍：资深程序老猿，从业10年+、互联网系统架构师，目前专注于AIGC的探索（CSDN博客之星|AIGC领域优质创作者）
📖专属社群：欢迎关注【小兵的AI视界】公众号或扫描下方👇二维码，回复‘入群’ 即刻上车，获取邀请链接。
💘领取三大专属福利：1️⃣免费赠送AI+编程📚500本，2️⃣AI技术教程副业资料1套，3️⃣DeepSeek资料教程1套🔥（限前500人）
如果文章内容对您有所触动，别忘了点赞、⭐关注，收藏！加入我们，一起携手同行AI的探索之旅，开启智能时代的大门！