Arbor 是一个由 Neha Prakriya 等八位作者共同提出的多智能体框架，论文于 2026 年 6 月 10 日提交至 arXiv，编号为 2606.12563，归类于人工智能（cs.AI）方向。该框架的核心主张，是把结构化树搜索引入为自主智能体的“认知层”，使智能体能够在大规模、有状态的动作空间中持续搜索与优化，而不是像以往系统那样只在孤立目标上进行无状态评估。
在以往的自主优化系统中，智能体通常面对单一目标，每次评估彼此独立，缺乏跨轮次的记忆与积累。Arbor 则维护一棵显式的搜索树，树上的每个节点都是被打分的假设，这棵搜索树同时充当多个智能体共享的工作记忆。随着每一次测量结果的产生，搜索树会随之演化：失败的尝试被当作诊断信号，用来重塑后续的探索方向；而此前的成功则会改变瓶颈的分布，使搜索范围随之扩展。换言之，系统并非简单地丢弃失败，而是把失败转化为指导下一步行动的信息。
为了验证这一方法，研究团队选择了全栈 LLM 推理优化作为测试场景。这一领域历来需要应用、框架、编译器、内核和硬件等多个层面的工程团队协同努力，才能达到峰值性能，因此对自主系统而言是极具挑战性的目标。Arbor 在该场景中采用了制衡式的双智能体架构：一个 Orchestrator（编排者）智能体负责驱动整个优化过程，将任务委派给覆盖推理栈各环节的领域专家智能体；另一个 Critic（批评者）智能体则通过根因分析、内省和测量验证来保障系统稳定性。两个智能体相互制约，任何一方都无法单方面推动系统前进。
研究团队还将智能体的能力拆分为“硬技能”和“软技能”两类。硬技能指领域专业知识，软技能则指协调协议，决定了各个智能体的贡献如何组合在一起。正是这种拆分，使得系统能够开展完全自主、持续多日的优化行动。
实验结果显示出显著的性能差距。与厂商优化过的基线相比，Arbor 在推理吞吐量与延迟的帕累托改进上最高达到 193%。相比之下，若去掉这套框架、仅使用单个智能体，吞吐量提升在 33% 左右便停滞不前，而且系统在数小时内就会崩溃且无法恢复。此外，Arbor 能够泛化到多代硬件平台，多次运行之间的方差控制在 2 个百分点以内，表明该方法与具体硬件无关，并且具备可复现性。论文全文可通过 arXiv 获取，包括 PDF、实验性 HTML 版本以及 TeX 源码。