本研究提出了一种名为BudgetMLAgent的基于LLM多代理系统，旨在解决现有单代理系统在复杂机器学习任务中的不足。该系统通过专家组合和信息检索等方法，显著降低成本并提高成功率，展示了其在实际应用中的潜力。

我们在NeurIPS 2023的HomeRobot：OVMM挑战中改进了强化学习模型，提高了整体成功率2.4％和部分成功率8.2％，在模拟和真实场景中获得第三名。