#多智能体

这个实验展示了100多个AI智能体像人类社区一样自发协作、互相监督，甚至发现了验证漏洞。一周将Gemma 4推理速度优化5倍，很酷。

Thomas Wolf@Thom_Wolf3 个信源在谈原文

这篇论文提出了MAGR-BB，用强化学习和分支定界让多智能体目标识别又快又准，Blocksworld上效果拔群。

ASALT这个新方法解决了MARL中状态空间维度不同时知识迁移的难题，实验效果不错，值得做多智能体迁移学习的同学看看。

Sakana AI的Fugu Ultra多智能体系统，3D渲染强到离谱，性能比肩Fable和Mythos，还不用怕出口管制，快去试试。

elvis@omarsar0原文

想用AI帮你从头到尾写论文？PAPERCLAW能自动搜文献、定假设、跑实验、写全文，你还能中途插手改方向。

这篇论文分析了智能体AI在不确定环境中的失败机制，还给出了SCI和DMM实用框架。如果你做AI智能体开发，这些形式化结论值得参考。

这篇论文为你演示了如何用LLM做经济理论研究，重点不是让模型生成答案，而是设计验证流程来确保结果可靠，三种方法对比很清楚。

Sakana把多智能体做成了开箱即用的产品，Fugu Ultra一个API就能调用全球模型池，性能对标Fable。不用自己编排，挺省事。

berryxia@berryxia原文

Sakana AI搞了个Fugu，一个多智能体系统，用一个API就能调用多个模型。Fugu Ultra性能追平Fable和Mythos，还不用担心出口限制，快去试试官网。

elvis@omarsar0原文

想知道大模型评估偏差怎么在智能体间传播？这篇论文用DeepSeek-chat做了实验，告诉你委员会投票能降72%传播，实用。

这篇论文提出了MACR，能帮LLM自己判断知识是否可靠并解决矛盾，比过去的方法强不少，还能解释冲突。

这篇论文提出MAMO，用多智能体RL自动调权重，解决约束优化中手动调参难题。

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。

这篇论文用LLM编排多个专业智能体，自动搞定数据工程到部署监控的全流程，比单智能体和纯AutoML更可靠，适合做生产级自动化参考。

这篇论文让多个AI模型互相评审对方的思考过程，医学问答准确率比单模型高5个百分点，比投票集成也高3个百分点，有意思。

探索多智能体协作新思路

elvis@omarsar0原文

DoorDash 用离线强化学习解决调度权重调整难题，做物流调度或平台经济的团队可以借鉴其安全部署思路。

多智能体系统终于有了统一的置信度评估方法，做NLP系统可靠性或智能体协作的团队可以直接参考协议设计，提升系统可信度。

Claude 用一次对话就完成了多智能体交通+轨迹追踪的完整模拟器，做游戏或城市仿真的开发者可以直接拿来当原型，省掉数天搭建时间。

AI Will@FinanceYF5原文

多智能体代码生成团队终于有了低成本的质量评估工具——FASE用0.3%的计算成本实现更优的代码正确性预测，做自动化软件开发的工程师可以直接集成到工作流中。