上海交大发布MAS-GPT突破性成果：单轮生成实现多智能体系统普惠化应用

近日，上海交通大学联合多家科研机构在ICML 2025大会上发布了突破性成果MAS-GPT，该系统通过将多智能体系统（MAS）构建过程转化为语言生成任务，实现了工作流的一键式自动生成，标志着多智能体技术从专业化开发向普惠化应用的重要跨越。

MAS-GPT的核心创新在于其”单轮生成”机制。用户仅需输入自然语言指令，系统即可通过一次大语言模型推理生成完整的任务适配型多智能体架构，并自动执行返回结果。研究团队在8类基准任务、5种主流模型上的对比实验显示，该系统在准确性、泛化性和成本效益方面均显著优于现有方案：平均准确率较当前最强基线提升3.89%，在GPQA、SciBench等未见任务上保持稳健表现，同时仅需0.5倍推理成本即可超越DyLAN、GPTSwarm等传统方法的性能。

技术层面，MAS-GPT解决了多智能体系统长期存在的三大痛点：通过动态架构生成取代固定模板，实现真正的任务自适应；将传统方法的多轮LLM调用压缩至单轮，大幅降低计算开销；采用零样本迁移策略，避免对特定验证集的过拟合。该系统展现出极强的模型兼容性，无论采用何种底层大语言模型驱动，生成的智能体集群均能保持一致的性能提升。

这一成果与上海交通大学等机构6月推出的MASLab开源生态形成技术闭环。作为首个统一的多智能体系统代码库，MASLab已集成20余种主流方法，为MAS-GPT的快速部署提供了标准化接口和评估体系。产业观察人士指出，该技术有望率先在智能客服、金融分析、医疗诊断等需要复杂工作流协调的领域落地，其”生成即服务”的特性可能重塑企业级AI应用的开发范式。

目前，MAS-GPT的论文、代码及32B参数模型已通过arXiv、GitHub和Hugging Face平台开源。研究团队表示，下一步将重点优化系统在超大规模并发场景下的稳定性，并探索智能体集群的持续自我进化机制。