#Graph Generation - AI Papers Daily

MAGIC: Mixed-Granularity Agent Graphs via Incremental Construction with Dense-Reward Reinforcement Learning

MAGIC：通过增量构建与稠密奖励强化学习生成混合粒度智能体图

🧭 多智能体任务自适应拓扑生成 ★ 深度解读

提出混合粒度多智能体组织图生成，局部选择单智能体或可复用组，以稠密奖励 RL 直接优化构建策略，在 8 个基准上全面领先

📌 工作参考价值（4 点）

业务多智能体 pipeline（如电商搜索/推荐 Agent、广告文案生成、客服）常固定拓扑；MAGIC 的做法是把角色库做成 single/group 可选，局部决定子任务是否需要小组协作，能显著降低 token 成本并保持精度。可直接借鉴：将高频子任务封装为可复用 group 模板，简单子任务保留 atomic agent。
训练构建策略时可放弃先搜索再 SFT，直接用 on-policy RL + potential-based reward shaping；用固定 probe 集评估部分图效用，给中间 ADD 决策稠密信号，在任务反馈稀疏、API 预算有限时更划算。
potential 由 probe utility + structural complexity + role repetition 三部分构成，总回报保持不变（potential-based shaping），最终任务分数被重分配到中间步骤，适合离线日志/仿真环境训练组织策略。
工程上注意训练与推理成本分离：推理只执行最终组织；训练 probe 评估可缓存复用。这对线上 LLM Agent 编排有直接参考价值。

MultiAgent | 2026-09-22 | cs.LG | score 8/10

奖励引导的自回归图生成实现高效多智能体通信拓扑设计

🧭 奖励引导的多智能体拓扑生成优化 ★ 深度解读

University of Luxembourg · King Mongkut's University of Technology Thonburi

在ARG-Designer基础上引入奖励引导训练和图级奖励模型，生成更稀疏多智能体拓扑，平均降token 20.5%且保持精度

📌 工作参考价值（4 点）

在需要多 agent 协作的业务流程（如搜索意图拆解、选品+文案+审核 pipeline）中，可直接复用「生成拓扑 + 奖励模型 + Best-of-N 选择」的架构：用已有正确/错误执行记录训练 reward model，在线采样多个候选拓扑选 reward 最高者执行，额外开销很小，但能显著降低 token 成本。
奖励函数设计采用层级权重：任务完成(0.6) > agent 数量(0.3) > 边数量(0.1)，且各项归一化到 [0,1]，保证正确性优先；对于有明确监督信号、可验证结果的业务任务（如多步骤排序、问答、代码生成）可直接套用这种 scalar reward。
用 GNN（GraphSAGE）编码拓扑结构：节点特征拼接角色 embedding + query embedding + 结构特征，训练出的 reward model 可跨任务/跨角色共享，新 agent role 无需重新训练生成器，适合多业务域快速迁移。
推理阶段引入 Best-of-N 采样选图，只增加拓扑设计器的采样和打分开销，相比 LLM 调用成本可忽略；对高 QPS、成本敏感的场景，这是很实际的 token 节省手段。

MultiAgent | 2026-08-20 | cs.LG | score 8/10