NeurIPS 2026 | FlowMAS：让AI团队自己学会「排兵布阵」
2026.10.16 · 事件 · 论文 · 论文预印本
厦大团队用GFlowNet自动生成多智能体工作流拓扑，被NeurIPS 2026录用
厦门大学ASC实验室提出 FlowMAS，把大模型多智能体「组织架构」设计变成可学习的生成问题，用生成流网络（GFlowNet）自动生成工作流拓扑，并加入好奇心驱动与信息引导两个模块。论文已被 NeurIPS 2026 录用，在 6 个基准、3 种底座上全面领先，且推理 token 消耗远低于 AFlow 与 ADAS。
- 用 GFlowNet 把多智能体工作流拓扑生成变成可学习问题
- 提出过程性奖励，为中间结构注入中间奖励流
- 好奇心模块奖励新结构，信息引导模块用信息论评协作质量
- 6 基准 × 3 底座全面第一，比手工方法平均高 8.17 分
- HumanEval 上 AFlow 推理 token 消耗是 FlowMAS…
为什么值得看
多智能体「组队容易、排兵布阵难」，这篇给出可学习的新解法
适合谁关注
关注多智能体系统、强化学习与大模型应用的研究者和开发者