ATLAS：具有任务分布式多LLM支持者的自进化研究代理

近期的多LLM代理系统在提示优化和自动化问题求解方面表现出色，但许多系统在微调后保持求解器冻结或依赖静态偏好优化循环，这在长期任务中变得难以处理。我们提出了ATLAS（用于代理自进化的任务分布式学习），一个任务分布框架，该框架通过迭代开发轻量级研究代理，并将探索、超参数调整和参考策略管理等互补角色委托给专门的支持代理。我们的核心算法EvoDPO（进化直接偏好优化）能够自适应地更新阶段索引的参考策略。我们为概念漂移下的基于偏好的上下文老虎机提供了理论遗憾分析。此外，在非平稳线性上下文老虎机和科学机器学习（SciML）损失重新加权（以1D Burgers方程为例）上进行了实验。结果表明，ATLAS在稳定性与性能上优于静态单代理基线。