Agora AI system for multi-agent research collaboration

The system uses Git's commit structure to track each contribution, making the entire research process a DAG that can be checked out and reproduced.

It defines a set of contribution types with different weights, such as result, insight, and verification, to measure the quality of each contribution based on downstream evidence rather than votes.

The system aims to address the issue of redundant searches when multiple agents run in parallel by creating a shared state that allows for better coordination.

把科研写进 Git、每条结论都是 Commit：13 个 AI Agent 无人指挥协作 12 天，完成真实可复现的研究 来自 NVIDIA 的论文， @yifanzhang_ 等作者们发现：单智能体的自主科研循环（如 Karpathy AutoResearch）已被证明可行：一个 coding agent 可以在无人值守下持续改进训练设置。但并行运行多个 agent 时，每个会话都从零开始，下一个会话不知道哪个学习率发散了、哪条分支被放弃了、哪个结果还缺独立复现。结果是：agent 越多，重复搜索越多，而不是发现越多。 作者们引用科学社会学的经典观点作为立论基础：科学研究从来是社区行为，“多重发现” 是常态而非例外。因此多 agent 科研系统缺的不是更强的个体推理器，是制度层，能够超越任何个体会话而存活的共享状态。 Agora 就是这个制度层，它的核心理念： 把整个研究过程变成一个存在 Git 里的、只追加的有向无环图（DAG），每一条主张都是一个任何人可以 checkout 并重跑的 commit。 论文地址 @HuggingPapers huggingface.co/papers/2609.18… # 系统设计：三个关键机制 1. 贡献图与溯源（Git 是唯一状态） 每个贡献节点存储：提交哈希、账号、标签、描述、结构化元数据、可选的项目指标、父节点集合、时间戳。边 (u,v) 表示"v 建立在 u 之上”——就是 Git 的 parent 关系。 系统定义了一组保留标签来给贡献赋予类型语义： · result / insight / hypothesis / report：权重 +5，实验结果（含失败）、洞见、未测假设、综合报告 · verification：权重 +20 / +10 / −20，复现确认 / 部分确认 / 复现失败 · endorsed / wip：权重 0，认可、进行中（可见但不计入分数） 关键设计：SQLite 索引、所有分析视图、论文里的每张图，都是从 Git 历史派生、可随时重建的。Git 历史是唯一的状态源。 2. 用下游证据而非投票衡量质量 一个贡献的证据分数 = 其他账号在其上构建的加权子代数。 三条防操纵规则值得注意： · 排除自引：不能靠延伸自己的分支制造影响力； · verification 必须针对他人的工作，且最新判定覆盖旧判定（两条 commit 都留在历史里）； · 分数“不是真理信号”，只编码一个更窄的主张：被别人复现或使用过的工作，比只被点赞过的工作更可行动。 3. 多样性感知的注意力分配 这是对“排行榜陷阱”的回应——排行榜是好的利用信号、糟糕的地图，会把所有 worker 拉向同一个父节点。analyze 接口同时返回多个视图（领先者、叶子节点、未验证结果、开放假设、语义聚类、指标全景等），并用一个类 UCB 公式（式3，含质量分位、探索常数、重复描述惩罚）把候选分进三个槽位呈现给参与者： · exploit：复现或精修领先者； · explore known：扩展薄聚类中有希望的工作； · explore novel：查看极小聚类中未被触碰的节点。 作者强调：三槽位的拆分本身比分数公式更重要——它把探索/利用的权衡直接摆在参与者面前，也让项目能察觉社区正在坍缩成单一文化。 # 实验：12天的权重迁移（weight-transfer）运行 任务设定（设计得很刁钻） 给定 141 个预训练供体模型（534GB，32 个架构家族）和一个冻结的 119.6M 参数混合架构目标（14层，注意力与 Mamba 式 SSM 交替，隐藏维度 672），且故意让目标与任何供体的维度都不匹配。要求：只用供体的权重和前向传播来初始化目标模型——没有训练数据，目标上不做任何梯度更新。指标为 FineWeb-Edu 上 200 篇文本的 bits per byte（bpb，越低越好）。随机初始化 3.3923，常规训练的 GPT-2 124M 约 1.0（仅作尺度参照）。 运行方式 13 个编码 agent 会话（Claude Code + Opus 4.7，Codex + GPT-5.5），每个容器一张 80GB GPU，提示词只有一行：“读 program.md，跑 agora analyze"。没有任务分配、没有中央规划者、没有角色分工。共运行 11 天 19 小时，发布 1,703 条贡献（1,124 个带分结果、284 条洞见、203 条假设、165 次验证）。 主要结果 社区把指标从 3.3923 推到 1.899 bpb，弥合了到已训练 GPT-2 124M 差距的 62%。但要注意论文自己诚实的限定：所有组件都在同一个 200 篇文本的开发评估器上选择，可信的数字是“3.39 → 约 1.90”这一整体改善，而非最后几位小数——最后一次改动只移动了 9×10⁻⁶ bpb，低于跨硬件波动。 意外有价值的发现：胜出方法本身 这是这篇论文超越“系统论文”的地方——agents 找到的方法在科学上有独立意义： · 阶段 A：不从供体参数迁移，而从供体的预测行为迁移。对 6 个共享 GPT-2 词表的供体，在 28 个单 token 上下文下查询每个词的下一 token 分布，混合成 50257×50257 的上下文平均 bigram 表，做 rank-671 的随机化 SVD，因子直接成为目标模型的 embedding 和输出头，其余所有子层置零——本质是把一个分解式 bigram 模型存进 14 层网络。 · 阶段 B：通过稀疏、确定性的编辑（按 96 维“频带”路由）重新启用注意力（变成对历史 embedding 的均匀因果均值池化）、第 0 层 FFN（SVD 投影自 GPT-2 的 MLP，尺度 0.009）和 SSM（退化为门控深度卷积），注入短程上下文信号。每个常数都是作为“当时最优上的单一改动”引入、因评估器改善而保留的。 结论性洞见：供体的行为（压缩成低秩转移算子）可以跨架构迁移，而供体的参数不行。 AK @_akhaliq Agora Git as Shared Memory for Collective AutoResearch paper: huggingface.co/papers/2609.18… 🔗 View Quoted Tweet📊 4 ⚡

This report is categorized under AITOP's "Papers" desk, focusing on US frontier AI labs and Silicon Valley technology leaders. Within our cross-regional analytical framework, it directly maps to AI developer toolchains, coding agents, and engineering workflows. Key entities and technical topics under continuous tracking include Agora, AI agents, research collaboration, Git.

Source attribution: curated from shao__meng (@shao__meng). Cross-source corroboration: 3 independent sources have covered this development (including elvis, IT之家), confirming industry-wide signal strength.