🎯 情报来源：机器之心
新加坡国立大学、上海AI Lab等机构的研究团队提出了一种全新的多智能体架构搜索框架——MaAS（Multi-agent Architecture Search），通过引入“智能体超网”（Agentic Supernet）的概念，动态生成最优的智能体团队。该方法在ICML 2025中被接收为Oral Presentation，并在多个主流基准测试中超越现有方法最高达11.82%，同时推理成本仅为现有方法的45%。
核心要点：
- MaAS在GSM8K、MATH等六大基准测试上平均得分高达83.59%，性能提升0.54%~11.82%。
- 推理成本显著降低，仅需现有自动化或手动系统的45%，训练成本低至3.38美元。
- 具备跨模型、跨数据集泛化能力，可迁移至Qwen-2.5-72b、llama-3.1-70b等大模型。
📌 情报分析
技术价值：极高
MaAS首次将神经网络架构搜索（NAS）中的超网络思想应用于多智能体系统，实现了动态架构生成与优化，解决了传统方法资源浪费和任务适配性差的问题。其跨模型泛化能力和对未知算子的支持进一步提升了技术普适性。
商业价值：高
通过大幅降低推理成本（45%）和训练成本（6.8倍差距），MaAS显著减少了企业部署多智能体系统的经济负担，尤其适合需要高效推理的商业化场景。
趋势预测：
未来3-6个月内，MaAS的核心理念可能引发多智能体系统设计范式的变革，推动更多行业采用动态架构生成技术；同时，其开源代码将进一步加速学术界和工业界的落地应用。