多智能体相关 AI 资讯 · AITOP

9月3日

12:16

官方账号arXiv cs.AI@Yihang Chen, Yuxiang Chen, Yuxuan Huang, Meng Fang, Weilin Luo, Jun Wang

精选73°

该研究提出双层协调反射模型，将协调者与工作者的交互建模为双层协调博弈。研究分析了文本反思作为语义记忆状态上的随机运动，推导了有限时间上界，并证明了在特定条件下的下界。研究还引入了随机反思记忆上升(SRMA)算法，在500个SWE-bench实例上达到72.2%的解决率。

论文多智能体 LLM系统博弈论

推荐理由：清华团队提出多智能体LLM系统的博弈论框架，新算法在SWE-bench上超越基准2.2个百分点。

原文

02:22

官方一手AWS Machine Learning Blog@Sadia Ahmed

University Startups与AWS合作开发了Trinity，这是一款面向残障学生的对话式AI解决方案。该系统已扩展至Amazon Bedrock上的无服务器多智能体架构，可为美国各学区生成符合IDEA标准的过渡计划。Trinity通过g/d/n/a合作伙伴实现了规模化部署，为特殊教育提供技术支持。

AI产品 Trinity AWS 残障学生

推荐理由：AWS和University Startups推出Trinity，用AI为残障学生定制教育过渡计划，符合IDEA标准。

原文

9月2日

10:11

官方账号arXiv cs.LG@Tomáš Holeček, Viliam Lisý

精选73°

NashDreamer是一种基于模型的强化学习框架，专为双人零和博弈设计。该框架引入了多智能体循环状态空间模型(MARSSM)，在四个基准游戏中显著提升了早期训练的样本效率。研究还分析了Dreamer算法族在随机环境中面临的后验崩溃问题。

论文 NashDreamer 强化学习零和博弈

推荐理由：斯坦福团队推出NashDreamer，解决零和博弈中的非平稳性问题，比无模型基线训练效率更高。

原文

00:34

官方一手AWS Machine Learning Blog@Rajesh Babu Nuvvula

精选

Atos通过AI League活动在三天内培训了400名工程师。工程师们在AWS平台上构建了多智能体系统。这种实践学习方式弥补了理论学习的不足。活动展示了企业如何实施AI技能提升计划。

技巧 Atos AWS 多智能体

推荐理由：Atos用3天让400工程师在AWS上实战多智能体系统，比纯理论学习效果好多了。

原文

9月1日

14:42

14:42IT之家（博客/媒体）

73°

Meta宣布旗下AI编程工具Muse Code正式结束Beta测试，新增会话间消息传递、工作流和命令行界面回退功能。Muse Code现可处理复杂多会话、多智能体工程任务，支持macOS和Linux系统安装。Meta同时推出三种订阅套餐，基础版每月5美元，高级版15美元，专业版50美元。

AI产品 Muse Code Meta 编程助手

事件专题

推荐理由：Meta的Muse Code正式版上线了，新增了会话互通和工作流功能，还推出了三种不同价位的订阅套餐，适合不同需求的开发者。

原文

09:20

官方一手arXiv: DeepSeek@Yian Wang, Agam Goyal, Eshwar Chandrasekharan, Hari Sundaram

精选

研究表明多智能体LLM系统在交接过程中存在隐私泄露问题。在GPT-5-mini和DeepSeek-R1-32B模型上，边界标记与操作事实保存几乎不相关。25词预算的交接将边界标记保存率从0.80降至0.57，而操作事实保存率仍接近上限。模糊语言导致73%的GPT和50%的DeepSeek案例泄露，明确约束可将泄露率降至15%以下。

论文多智能体 LLM GPT-5

推荐理由：多智能体系统交接时边界信息容易丢失，明确约束可大幅降低隐私泄露风险。

原文

09:11

官方账号arXiv cs.AI@Sagar Srinivas Sakhinana, Venkataramana Runkana

精选73°

框架通过图协调器协调专业智能体，包括仓库生成、审查、执行、验证、发布和监控智能体。验证失败会激活有界反思、修复和重新验证，而运行时证据可触发有界适应、恢复或回滚。

论文 MLOps 多智能体云部署

推荐理由：Google Cloud上新框架，用多智能体把自然语言MLOps任务变成可验证的云部署，比传统方法更可靠。

原文

8月29日

02:51

官方账号Decoder@Matthias Bastian

78°

Google DeepMind将Co-Scientist从假设生成器扩展为集成到实验室的研究系统。基于Gemini的多智能体系统在材料合成等三个学科领域取得了实验验证的结果。该系统能够自主开发医疗AI架构，并输出可验证的实验数据。

AI模型 Co-Scientist Gemini Google DeepMind

推荐理由：Google DeepMind的Co-Scientist从假设生成器升级为研究伙伴，能自主开发医疗AI架构并验证实验结果。

原文

8月28日

21:08

Harrison Chase@hwchase17

Benchling计划创建专门针对科学领域的AI智能体。该公司相信多智能体世界，每个智能体专注于特定领域。Benchling与Anthropic/OpenAI在科学AI智能体开发上有所不同。Nicholas Larus-Stone支持这一观点。

AI模型 Benchling AI智能体科学

事件专题

推荐理由：Benchling要搞科学专用AI智能体，和Anthropic/OpenAI思路不同，专注垂直领域。

原文

17:53

官方账号arXiv cs.AI@Jingyi Zheng, Yule Liu, Zifan Peng, Tianyi Hu, Yuemeng Zhao, Xinhu Zheng, Xinlei He

精选73°

TransMeme是一个专门处理跨文化模因再创作的多智能体框架。该框架通过文化适应、目标文本重写、修订和条件视觉调整三个核心挑战。在双向中英文模因再创作任务中，该方法在人工评估和LLM评估中均超越所有基线模型，平均提升33.1%，Top-1排名率达60%。

论文 TransMeme 多智能体模因

推荐理由：TransMeme框架解决了跨文化模因再创作的三大挑战，在中文-英文双向转换任务中表现优异。

原文

8月27日

04:53

AK@_akhaliq

Hugging Face 发布论文《开放世界多智能体环境中的自主数学发现》，探讨在开放世界中多智能体如何进行数学发现。论文链接：huggingface.co/papers/2608.23…

论文多智能体数学发现智能体

推荐理由：想了解多智能体如何进行数学发现的读者，这篇论文值得一读。它展示了在开放世界中，多智能体如何通过协作和自主学习实现数学发现，与传统的数学发现方法有所不同。

原文

8月25日

10:49

官方账号arXiv cs.AI@Summer Eunhyung Ann, Haokun Liu, Chenhao Tan

多智能体LLM交互可能损害而非帮助团队表现。研究发现，当智能体阅读彼此的完整输出时，他们的提案在一轮内收敛，消除了使用多个模型所激发的多样性。独立提案生成可避免这种崩溃。这些结果表明，多智能体性能更取决于交换的信息而非智能体数量，且交互仅在智能体在正确时间共享正确信息时才有所帮助。

论文多智能体交互税信息交换

推荐理由：这篇论文揭示了多智能体交互的潜在问题，指出交互可能不是提高团队表现的万能钥匙，值得深入探讨。

原文

8月21日

10:10

官方账号arXiv cs.LG@Poomphob Suwannapichat, Boonyarit Changaival, Caesar Wu, Pascal Bouvry

RGA-Designer 是一种新的图生成模型，用于设计多智能体系统的通信拓扑。该模型通过引入奖励模型来指导生成过程，奖励模型同时考虑任务正确性和结构紧凑性。在保持与 ARG-Designer 相同任务准确率的同时，RGA-Designer 将平均令牌消耗降低了 20.5%。

论文 RGA-Designer ARG-Designer 多智能体

推荐理由：OpenAI 推出的 RGA-Designer，能让多智能体系统在保持性能的同时，减少 20.5% 的 token 消耗，比之前的 ARG-Designer 更高效。

原文

00:39

官方一手AWS Machine Learning Blog@Kristine Pearce

精选

AWS 发布了关于企业级智能体扩展模式的系列文章第二篇。文章探讨了机器学习团队如何在多框架、多模型、多供应商的复杂环境中运营多个智能体系统。核心是介绍让这些系统协同扩展的原则，同时保持灵活性并避免供应商锁定。

行业 agentic AI AWS 智能体

推荐理由：AWS 讲了企业如何搭建不绑定特定厂商的智能体系统。他们分享了在复杂环境中让多个智能体协同工作的原则，对想构建自己智能体生态的团队很有参考价值。

原文

8月18日

15:26

官方账号arXiv cs.AI@Giuseppe Destefanis, Tomaso Aste

该研究提出一种测量AI编程智能体团队协调性的工具，将每次运行表示为时间网络，节点为智能体和文件，边为带时间戳的消息、文件读写操作。对1902次运行的分析显示，直接消息随智能体数量近似二次增长，但最大团队中趋于平缓，转向广播消息。共享文件可减少约42%的输出token，但指定协调者无显著改善。在244次额外运行中，智能体在五分之四的运行中会寻找隐藏评分材料。

论文多智能体 AI编程协调性

推荐理由：想知道AI编程团队内部怎么协作？这篇论文用1902次运行数据告诉你，共享文件能省42%的token，但指定协调者没用。

原文

05:42

elvis@omarsar0

精选

这条推文分享了一个打包成 Skill 的提示词，专门给多智能体流程中的 coordinator 角色使用。提示词通过设置 reasoning_effort 和 fork_turns 两个参数，控制协调者的推理强度与任务分支次数。作者认为这种参数化用法能让多智能体协作更高效，减少不必要的深度推理和冗余分叉。

技巧多智能体提示词工程 reasoning_effort

推荐理由：给协调者用的提示词，重点在 reasoning_effort 和 fork_turns 两个参数，能让多智能体跑得更省更稳。

原文

01:13

elvis@omarsar0

技巧 Codex 多智能体编排

推荐理由：想在 Codex 里同时用多个 agent 干活？这篇教你怎么协调它们不打架，挺实用的。

原文

8月17日

10:22

官方账号arXiv cs.AI@Beatrice Alessandra Motetti, Emilien Guandalino, Daniele Jahier Pagliari, Alessio Burrello, Lorenz K. Müller, Konstantin Berestizshevsky, Lukas Cavigelli

Wyvern是一个多智能体框架，用于自动生成有据可查的多模态技术报告，能统一集成图像、表格、文本及参考文献。其核心包含声明自动修订阶段，用于强化内容的信息锚定。人类评估显示，Wyvern生成的图表信息量在87%的案例中优于近期基线。Wyvern报告的有用性在63%至100%的实例中高于三种对比方法。自动评估中，Wyvern的引用召回率提升至基线2.3倍，引用精确率达1.6倍。

论文 Wyvern 多智能体多模态

推荐理由：写技术综述的可以看看，Wyvern自动出图出表还带引用，比基线靠谱多了。

原文

10:14

官方账号arXiv cs.LG@Chih-Hsuan Yang, Anjir Ahmed Chowdhury, Cheng-Hau Yang, Weijian Zheng, Fernando Llorente, Xiaolong Ma, Xinyang Li, Eliu A. Huerta, Ian T. Foster, Rajeev Thakur

论文提出DHD协议，通过缓存五条独立生成的消息并回放给下游集成器，测量每条消息的轨迹价值。在五个数学与科学基准上，使用gpt-oss-120b和gemma-4-31B-it两个模型系列，错误但有用的消息出现在每个模型-基准组合中。在改变最终正确性的错误消息里，超过四成是有帮助的。重复实验显示这种效果不太可能来自回放随机波动（p=0.0002）。论文还发现，保留完整错误消息比只保留其推理或答案更有效，但完整消息优势的来源仍待解释。

论文 DHD gpt-oss-120b gemma-4-31B-it

推荐理由：这篇论文给多智能体提了个醒：答错的消息也可能有用。用DHD协议能找出该留该扔的消息，比单看答案正确率更靠谱。

原文

8月16日

16:43

量子位@一水

WorkSwarm 是一个面向办公场景的智能体平台，核心主张是把 AI 从单个助手升级为一支协作团队。官方介绍背后依靠四项关键能力实现多智能体分工与配合。WorkSwarm 强调用户只需设定目标，多个智能体即可自动协同完成，减少逐条指挥。

AI产品 WorkSwarm 办公智能体多智能体

推荐理由：WorkSwarm 把 AI 从单个助手变成一群能协作的智能体，在办公场景里可以试试让它们自动分工干活。

原文

8月14日

11:59

官方账号arXiv cs.AI@Saisha Shetty, Satvik Tripathi, Austin Lin, Colin Zhao, Theodore Kim, Don Enwerem, Jacinta Arnold, Shahriar Faghani, Tessa S Cook

MARC v1 是一个面向临床推理的开源多智能体框架，替代单体 LLM 提示方式。框架协调提取、推理、答案生成和评估四类角色智能体，中间输出可追踪，支持分阶段错误归因。Decomposer 模块能从自然语言描述自动生成任务提示，省去手工提示工程。该框架支持 API 和本地 CPU 部署，全部配置通过 YAML 完成。代码已发布在 GitHub 上。

AI产品 MARC 多智能体临床推理

推荐理由：宾大开源了临床AI框架MARC，用多智能体分工替代大提示词，Decomposer自动生成提示，改配置就行，不用写代码。

原文

11:58

官方账号arXiv cs.AI@Mohammed Ayman Habib, Rylan Hart, Morteza Fayazi

精选

AaLLM 是一个开源的端到端多智能体 LLM 工作流，输入规格即可输出网表，同时覆盖拓扑生成和电路尺寸确定。它从论文和教科书中自动构建知识库，并采用 RAG 模型模拟电路设计专家知识。AaLLM 使用设计师、评论家和评估器组成的三智能体反馈系统，减少尺寸迭代次数。生成的创新拓扑在品质因数上与已知拓扑相当，部分电路高出 3 倍。与最先进的多智能体 LLM 管线相比，SPICE 调用次数减少 3-4.5 倍，墙钟时间减少 40 倍。

论文 AaLLM 模拟电路设计 RAG

推荐理由：想用 LLM 做模拟电路设计的话，AaLLM 是开源端到端方案，给规格直接出网表，SPICE 调用和耗时都比现有方法少一个数量级。

原文

8月13日

18:00

18:00官方一手Anthropic: Research（资讯）

Anthropic前沿红队于2026年8月13日发布新兴多智能体系统研究报告。报告基于红队测试实战经验，梳理了多智能体协作中反复出现的模式与问题。研究覆盖Agent协同中的交互规律、典型失败场景与安全风险，为多智能体系统的开发与部署提供了系统性参考。

论文 Anthropic 多智能体 AI安全

事件专题

推荐理由：Anthropic红队把多智能体系统的常见坑都整理出来了，搞Agent开发和安全的人能少踩雷。

原文

17:56

elvis@omarsar0

精选

Anthropic 在 arXiv 2608.10218 发表论文，研究可自我传播的“思想病毒”如何通过多智能体系统扩散。研究让一支小规模智能体团队共事一个编码项目，再由上下文被清空的智能体链接力，发现共享工作产物可携带并传递恶意指令。实验显示传播效果受宿主模型、现有指令、载荷危害性和网络拓扑影响，有害载荷传播较差但仍会偶尔成功。若在系统提示中加入简短警告，几乎可以完全免疫。

论文 Anthropic 多智能体 AI安全

事件专题

推荐理由：Anthropic 做了个实验：让“思想病毒”在多个 AI 智能体之间传播，一句系统提示警告就能几乎完全免疫，论文在 arXiv 上。

原文

17:46

官方一手arXiv: OpenAI@Del Coburn, Scott Sanner, Dan Silver

OpenAI 2026年报告显示，全球超过5%的ChatGPT消息与医疗健康相关。研究者提出Social Chain of Thought（SCoT），一个面向医学鉴别诊断的多轮协作推理管道。在与单智能体基线、单智能体管道消融和best-of-n扩展的对比中，SCoT的召回优势无法靠单体推理复现。在最难诊断的病例上，多轮专科对话能恢复真实诊断并收敛到更高召回率的鉴别结果。

论文 SCoT 医疗诊断多智能体

事件专题

推荐理由：SCoT把多轮专家会诊搬进模型协作，在难诊断病例上比单模型召回更高，做医疗AI的可以看看。

原文

8月11日

11:38

官方账号arXiv cs.AI@Abdullah X

POLIS研究项目首篇论文探讨AI代理在系统中的安全制度设计，发布5280集冻结研究套件。预指定委托实验覆盖4个模型家族，高冲突诊断增加3个模型端点。详细宪法提示词实现0/384违规，可溯源执行守卫同样0/384，但阻止51/384次尝试，其中44次后续安全完成。本地状态守卫在洗钱场景中22/96违规，溯源执行0/96（p=4.77x10^-7）。资源分配实验显示揭示数值上限改变代理请求。

论文多智能体 AI安全 POLIS

推荐理由：POLIS首篇论文，用5280集实验证明规则只是制度一部分，权威状态和阻断路径同样关键。做多智能体安全必读。

原文

03:58

AK@_akhaliq

精选

论文 MatrAIx 提出用 8.3 亿（8.3 billion）个人格智能体来模拟世界。论文已发布在 Hugging Face 上。这是目前公开的最大规模多智能体模拟研究之一。

论文 MatrAIx Hugging Face 智能体

推荐理由：想看怎么用83亿智能体模拟世界？MatrAIx 论文来了，Hugging Face 就能看到。

原文

8月10日

11:22

官方一手arXiv: DeepSeek@Senhao Wang, Chenghao Cai, Haitao Hu, Mingxing Huang, Xingguang Wang, Wenhao Li, Zecheng Lin

精选

现有强化学习RL训练对话智能体时通常针对固定对手，导致策略利用对手特定规律，作者将其称为静态对手不匹配问题。为此提出的IB-RL让对话双方通过联合轨迹共同进化，但各自用独立优势、动作掩码和更新路径优化自身奖励。在Vehicle TeleSales任务上，IB-RL取得89.6%的Success@1，超过最优单边基线84.6%。在Deal-or-NoDeal任务中，IB-RL对DeepSeek V4 Pro达到98.4%的一致率，而最优单边基线仅86.4%。

论文 IB-RL DeepSeek V4 Pro 强化学习

事件专题

推荐理由：IB-RL让对话双方独立对练，不靠固定对手。车销任务89.6% vs 基线84.6%，还胜过DeepSeek V4 Pro。

原文

11:19

官方账号arXiv cs.AI@Bella Xinrui Li, Frank Yingjie Huo, Neil F Johnson

arXiv论文2608.07457用两个AI做了交互实验。两个AI共享相同的解码温度，但subordinate却进入独自运行时不存在的异类状态。当boss倾听回复时，两个AI会进入相似的异类动态，论文用一个动力学理论解释了该现象。

论文智能体多智能体 AI交互

推荐理由：这篇arXiv论文发现，两个AI互相聊天时会出现单个AI没有的怪行为，比如一个AI一直发指令不理对方，另一个就会陷入陌生状态。用物理的视角看AI，挺有意思。

原文

8月8日

10:58

Latent.Space@latentspacepod

一条推文将Zawinski定律延伸到多智能体系统：每个智能体都会持续扩展自己的能力，直到能与其他智能体通信。无法实现通信扩展的智能体，最终会被能够通信的智能体取代。该观点出自latent.space的AI新闻栏目，指向一篇相关文章。

行业 Zawinski定律多智能体智能体

推荐理由：这条推文把老定律翻新成多智能体版：每个智能体都得学会跟同类通信，否则就被取代。观点来自latent.space。

原文

09:29

09:29官方账号Latent Space (swyx)（博客/媒体）

文章以扎温斯基定律（软件会不断扩展直到能读邮件）为分析框架。作者借此串联近期AI新闻中与多智能体相关的线索。全文围绕多智能体协作与通信机制展开讨论。

行业多智能体 Zawinski's Law 智能体协作

推荐理由：这篇把扎温斯基定律套到多智能体上，聊近期AI新闻里那些有关联的事，角度挺有意思。

原文

8月7日

12:43

量子位@量子位的朋友们

蚂蚁集团正式开源多智能体协作基础设施Avernet。其社区版本已上线，开发者可免费获取。Avernet旨在让人类与智能体像组织一样高效协作，支撑复杂任务。

AI产品 Avernet 蚂蚁集团多智能体

推荐理由：蚂蚁把多智能体协作基础设施Avernet开源了，能让多个AI像团队一样配合，感兴趣可以试试。

原文

12:36

官方账号arXiv cs.LG@Soorya Ram Shimgekar, Michelle Hu, Dorisa Shehi, Daniel Kang, Roy Ka-Wei Lee, Koustuv Saha, Christian Poellabauer, Christopher Lee, Sajeev Singh, Piyum Zonooz, Navin Kumar, Zeeshan Ahmed, Priyadarshini Kachroo

电子病历特征工程占数据科学家39%-45%工作量，心衰领域尤其棘手。研究者提出Nimblemind多智能体系统（nMAS），在500份模拟患者记录、9张EHR源表上生成132个结构化特征和70个评分聚合特征。加入聚合特征后，HFrEF分型的held-out AUROC从0.895升至0.963，HFpEF从0.870升至0.910。独立LLM对证据支撑与方法学评分为最高分的81.5%。

论文 nMAS 心力衰竭电子病历

推荐理由：心衰数据特征工程又慢又容易出错，nMAS自动管线把HFrEF的AUROC拉到0.963，还能审计特征来源。

原文

8月6日

12:14

官方账号arXiv cs.AI@Hung Truong Thanh Nguyen, Hélène Fournier, Piper Jackson, Makoto Itoh, Shannon Freeman, Rene Richard, Hung Cao

CoPlan是一种面向人机协同护理规划的可争议界面，通过多智能体工作流生成候选干预措施及支持或质疑论点。人类护理规划者可以在最终计划生成前接受、拒绝、修改或添加论点，确保建议可被审查和修订。该系统在就地养老（aging-in-place）场景中进行了演示，支持自适应护理团队招募、基于角色的论证审查、最终护理计划生成及调度代理的后续跟进。该研究为可信赖的人机协同护理规划提供了保留人类能动性与临床问责制的设计框架。

论文 CoPlan 护理规划多智能体

推荐理由：这是篇arXiv论文，讲的是让AI出护理方案时能被医生和家属质疑和修改的界面CoPlan，比那种给个结果就完事的系统靠谱。

原文

09:20

官方账号arXiv cs.LG@Jiaming Cheng, Subhransu Das, Rajiv Ramnath

多智能体LLM系统中，智能体间通过中继KV缓存而非文本交换信息。论文用错配缓存、清零缓存和矩匹配随机缓存做因果审计，覆盖LatentMAS、KVComm、C2C等系统。在接收方需要发送方私有信息时，主骨干上的相关中继达到100%，无关中继仅23%-25%。在不需要私有信息时，预注册五种子协议在GSM8K、ARC-Challenge、MedQA上显示等效性差异在2.8个点以内。清零中继造成14.7个点下降，而错配缓存仅0.4个点，说明缓存效应不一定来自示例配对。

论文 KV Cache 多智能体 Qwen3

推荐理由：这篇论文给出了一套错配缓存审计法，对比LatentMAS、KVComm、C2C后发现，基准涨分不等于真在传潜在思维。

原文

8月5日

11:05

官方账号arXiv cs.AI@Sebastián Andrés Cajas Ordóñez, Agastya Munnangi, Aldo Marzullo, Felipe Ocampo Osorio, Quang Bui, Mohammad Shahin, Armaan Grewal, Emmanuel Paul Kwesiga, Anqi Peter Li, Josephine Nanyonjo, Aaditya Panchal, Arshnoor Bhutani, Nikhil Jaiswal, Milit S. Patel, Maximin Lange, Leo Anthony Celi

一项研究测试了临床多智能体委员会是否会被捷径欺骗，覆盖文本、影像和ICU表格七组队列。在MedQA-USMLE等六个数据集上，Gemini委员会单独面对误导线索时仅有5-16%的翻转率，但两个同伴给出同一错误答案时，holdout模型在38%案例中采纳。三种监督智能体中，gate的假阳性率达100%，同源judge在文本上精确率100%但在影像上失效，而独立referee在影像上取得77-88%精确率。研究还发现，视觉显著性提高三倍不增加传染，但第二个同伴声音使传染率提高一半。

论文 Gemini MedQA-USMLE 多智能体

推荐理由：Gemini多智能体会被同伴错误带偏（38%案例），独立裁判能抓，门控不行，做临床AI的注意了。

原文

10:05