10:58arXiv cs.AI@Haewoon Kwak该论文研究多智能体LLM团队中过程级协调控制的价值,通过行为签名(多数锁定、探索、恢复)和逐动作消融实验,将交易型、变革型、情境型三种领导风格作为控制器。在四种任务制度和三个开源模型族(包括Llama-4-Scout)的12种组合中,没有控制器在准确率上占优,交易型控制与共享第0轮投票的差距在1.3个百分点内。情境型控制在Llama-4-Scout social任务上比平坦基线高出8个百分点,仅当初始多数不可靠且任务可恢复时才有效。结果表明协调控制是权变,而非排行榜驱动,与团队科学的权变理论一致。论文Multi-Agent LLM TeamsLlama-4-Scout多智能体领导力协调控制推荐理由:这篇论文用实验证明多智能体团队里领导不是万能的,只有在初始投票不靠谱且能补救的特定条件下才有用,比如情境领导在Llama-4-Scout上提升了8个点。挺扎实的研究。原文
19:11AI Engineer@aiDotEngineeraiDotEngineer在新加坡举办的工作坊首日圆满落幕,展示了基于Convex构建的完全定制化工作坊平台。该平台由Agrim Singh开发,支持领导力研讨等活动。工作坊由Sherry Yan Jiang带领Belli团队启动领导力课程。活动获得参与者好评,有人甚至建议Convex在新加坡设立办公室。这标志着aiDotEngineer社区在亚洲的活跃拓展。行业aiDotEngineerConvex工作坊新加坡领导力推荐理由:对于关注AI社区活动和技术工作坊的开发者,这是一个了解前沿平台搭建和社区运营的鲜活案例,值得一看。原文