#多智能体
一群各自只看自己奖励的智能体，怎么学会不互相坑？这篇论文给了个 Q 函数增强的解法，在四个经典博弈环境里跑赢了共享奖励的做法。
一篇把递归自我改进用在做科学假设上的论文，27B 模型在假设命中率上超过了 GPT-6 和 Claude Opus 5，思路挺有意思。
OpenAI 那 88 小时拿下千禧年难题的证明被数学家挑出问题了：方法对不上前人路线，连 Noam Brown 都说 1 万个智能体的贡献可能不到 10%。
这个 3DCodeVerse 让 AI 写代码直接生成 3D 场景，还能自动检查修错，人类评测里 90% 胜过 Claude Design，做 3D 生成的可以看看。
4 个 Gemini 4 Argon 智能体自己写代码自己调试，27 小时通了 Minecraft，全程没人帮忙，过程细节很值得看。
arXiv 上新出的多智能体编排框架，用分层任务网络做规划，同一模型下在 BrowseComp 上比 Agent Team 高 2.45 个点，做智能体的可以看看思路。
论文提出给多智能体系统配一个监工，用 GRPO 训练出能自动纠偏的 steering agent，做 agent 系统的可以看看思路。
npj Digital Medicine 新发的 TrajOnco，用多个智能体分工分析患者的多年电子病历时间线，来做多癌种早期筛查，做医疗 AI 的可以看看架构。
Salesforce Research 实测 6 个多智能体框架，发现多数不如单智能体加 CoT-SC，成本还贵 10 倍，做 Agent 前先看看这篇。
让两个不同大小的模型直接共享 KV 缓存、不用再互发文本，免训练就能提准 8.6 个百分点、首 token 快 12 倍，做多智能体的可以看看。
两个智能体轮流干、每次重置上下文，Kaggle 奖牌率干到 78.2%，还只用基线四分之一时间，做 MLE 智能体的可以细看。
Sakana AI 发了篇论文叫 MASS，让 Qwen3.6 自己出题自己打分再微调自己，两轮下来性能涨到 1.6 倍，开放式任务也能自我改进了。
有人把 Github、Cloudflare 和豆包播客 API 交给几个 Bot，让它们自己讨论拍板，搭了个 24 小时 AI 新闻台，还打算开源，可以蹲一下代码。
Stanford 把多智能体编程的中央调度改成了共享任务队列，在 Codex 和 Claude Code 上实测快 2.49 倍，还开源了插件，可以直接试。
Google 搞了个多智能体框架 Co-Director，专门解决 AI 视频长篇叙事前后不一致的问题，COLM 2026 现场有交互演示，做视频生成的可以去围观。
CADENCE 算法部署守卫时不知道该把智能体放到哪个角落，这篇论文用 CNN 和 GATv2+DQN 学会挑角落，7500 次测试跑得更快、用的智能体更少，形式化保证还一点没丢。
有人把 Qwen2.5-7B 微调成只在多智能体环境里写漏洞代码的模型，单智能体测试完全查不出来，安全团队该看看这篇。