MARS：面向竞赛编程的多专家 LLM 接力系统

arXiv:2608.23918v1 发布类型：新论文

摘要：Large Language Model 在代码生成方面表现出色，但 competitive programming 暴露出一个持续的失效模式：现有的 multi-agent pipeline 将工作分配给通用的 planner、coder 和 debugger 角色，并将算法技术的选择完全委托给 backbone model。我们提出 MARS（Multi-Agent Relay of Specialized LLMs），一个纯 prompt 框架，其中每个 agent 都是特定主题的专家——dynamic programming、graphs、strings、geometry 等——并通过 retrieval-augmented generation 基于算法理论语料库进行 grounding。给定一个问题后，retrieval 会选出一支相关的专家团队；一名 starter 编写初始的 C++17 解决方案，随后每一轮都在 sandbox 中针对 public examples 运行候选代码，让当前活跃的专家保留、修复或移交草稿，并将结构化数据包转发给下一位专家。最后通过一次 infrastructure-fixer pass 统一规范化 boilerplate。在 CodeContests 测试集上使用 Gemma 4，MARS 达到 $0.624 \pm 0.006$ 的 pass rate，平均每个任务经历 $2.3$ 个记录的 pipeline stage（比直接 prompting 提升 $+14.4$ 个百分点），大幅缩小了与 CodeSIM（$0.731$）的差距，同时 wall-clock cost 降低为后者的 $3.3$ 分之一，且每个任务的 token 消耗 variance 显著更小。源代码已发布于 GitHub：https://github.com/fckand/mars。