多智能体相关 AI 资讯 · AITOP

AITOPAI热报

8月1日

04:08

Y Combinator@ycombinator

YC将其内部使用的多智能体框架QM开源，采用MIT许可。QM类似Hermes或OpenClaw，但设计用于整个公司。YC在会计、法律、活动和工程部门使用QM，甚至用它来构建自身。该框架为云端优先，原生支持Slack和Web界面。

AI产品 QM YC 多智能体

事件专题

推荐理由：YC把内部用的多智能体框架QM开源了，MIT协议随便用，带Slack和网页界面，适合公司内部搞自动化。

原文

7月31日

12:57

官方账号arXiv cs.AI@Manyi Wang, Junjielong Xu, Pinjia He

PAIChecker是一个多智能体系统，用于检测SWE-bench类基准中PR与Issue配对不对齐的问题。研究者在SWE-bench Verified实例中发现13.6%存在不对齐，涵盖五种模式和十一个细粒度场景。PAIChecker采用三阶段设计，结合特定模式识别、跨智能体标签合成和代码级验证。在SWE-Gym和SWE-bench Multilingual上，该系统分别达到92.12%和91.67%的二元准确率，优于四种LLM后端。

论文 PAIChecker SWE-bench 多智能体

推荐理由：做代码基准测试的朋友可以看看，PAIChecker能自动揪出PR和Issue配错的情况，SWE-bench上准确率超九成。

原文

12:50

官方账号arXiv cs.AI@Mao-xun Huang, Jerry Wang, Yi-Cheng Lai, Zhengxin Zhang, Claire Cardie, Hen-Hsen Huang

MANTA 是一个多智能体网络拓扑自适应框架，让通信结构在推理时自我进化。MANTA 在执行前初始化任务条件拓扑，运行中监测协作轨迹并应用有界结构更新。在信息检索、工具使用、规划、工作流执行和数学推理五个基准上，MANTA 平均分达 74.0，超过最强基线 5.8 个百分点。它在 PlanCraft 任务上也取得最优成绩。

论文 MANTA PlanCraft 多智能体

推荐理由：多智能体协作结构不用手动调了，MANTA 在推理时自动改拓扑，五个基准平均分 74.0，超基线 5.8 个点。

原文

7月30日

18:19

向阳乔木@vista8

纳米Work是一款集成了500+岗位专家Agent的AI平台，覆盖竞品比较、内容创作、小红书运营等常见场景。平台聚合了Claude Code、Codex、Hermes等主流Harness框架，用户可按需选用。支持多智能体搭建，可配置模型、MCP工具、HTTP请求和代码执行。普通用户可直接使用专家团，企业用户能构建更复杂的智能体工作流。

AI产品纳米Work Claude Code Codex

推荐理由：纳米Work打包了500多个岗位专家，还能直接用Claude Code这些框架，开箱即用，做智能体省力很多。

原文

11:10

官方账号arXiv cs.AI@Yiping Song, Jiaoyan Chen, Renate Schmidt, Hui Yang, Wen Zhang

传统本体匹配（OM）仅处理等价或包含关系之一。本文提出混合本体匹配（HOM）任务，并设计基于LLM的多智能体框架AgentMap。AgentMap通过语义检索、层次搜索和协作推理，在源本体概念中寻找等价概念或最细粒度包含者。在扩展的四个OM数据集混合设置下，AgentMap取得良好性能，同时在等价和包含单独设置中分别超过基线。

论文 AgentMap 本体匹配 LLM

推荐理由：这篇论文用多个LLM智能体合作搞定本体匹配，能同时发现等价和包含关系，在四个数据集上比传统方法强。

原文

7月29日

22:11

官方账号LangChain@LangChainAI

Apollo 的 AI 助手是 LangGraph 上最早的生产多智能体系统之一。团队将在 9 月 24 日 Interrupt NYC 上分享他们从手调主管代理迁移至 deepagents.create_deep_agent 的经验。迁移过程中保持了生产流量的质量不下降。

技巧 Apollo LangGraph deepagents

推荐理由：Apollo 分享了把 AI 助手从自建主管换成 deepagents 的实战经验，还保证了生产质量，做多智能体系统的值得听听。

原文

09:55

官方账号arXiv cs.LG@Thomas Hickling, Dylan Wynne, Yu Su, Nabil Aouf

本文提出一种结合共享体素地图世界模型与多智能体Soft Actor-Critic（MASAC）控制器的室内无人机协同导航框架。多个无人机将360度LiDAR观测融合到共同的世界坐标系占据地图中，转换为紧凑的鸟瞰图（BEV）表示，每个智能体获得自我对齐的局部裁剪。在仿真中，该控制器在走廊导航中达到90.3%的成功率，优于A*规划、人工势场控制器和先前的引导方法。通过离线模仿微调，将仿真训练的策略适应真实数据，在GNSS拒止的室内环境中实现双无人机稳定协作。

论文 MASAC UAV LiDAR

推荐理由：这篇论文用共享体素地图加MASAC实现了多无人机室内导航，仿真成功率90.3%，真机也能跑。比A*和人工势场都好，还解决了sim-to-real问题。

原文

7月28日

09:05

09:05IT之家（博客/媒体）

78°

微软CEO纳德拉宣布首个网络安全模型MAI-Cyber-1-Flash，在CyberGym基准测试中达到95.95%成功率，超过Anthropic的Claude Mythos 5（83.8%）和OpenAI的GPT-5.5 Cyber（85.6%）。该模型接入多智能体系统MDASH，可处理约90%网络安全任务，剩余10%复杂任务调用GPT-5.4。组合成本比此前MDASH配置降低近50%。微软同时推出多智能体系统Perception，用于威胁监测和修补漏洞。

AI模型 MAI-Cyber-1-Flash MDASH 微软

事件专题

推荐理由：微软出了个专攻安全的AI模型MAI-Cyber-1-Flash，CyberGym跑分95.95%，比Mythos 5和GPT-5.5 Cyber都强，还更省钱。

原文

7月27日

17:35

官方账号NVIDIA AI@NVIDIAAI

NVIDIA在开发者博客上发布了一篇关于Six Agent的文章。文章详细介绍了六个AI智能体的功能与使用场景。每个智能体针对不同AI任务进行了优化。文章提供了代码示例和部署指南。

技巧 NVIDIA 智能体多智能体

事件专题

推荐理由：NVIDIA官方博客介绍了六个AI智能体，想搞多智能体开发可以看看，有代码示例。

原文

7月26日

16:10

官方一手pandaily@contact@pandaily.com (Pandaily)

腾讯Miora Design Agent通过多智能体协作，输入1000积分即可完成品牌设计任务。在Puff AI伴侣机器人项目中，它生成了logo、品牌指南、VI资产、App UI、海报、视频及贴纸包。目前集成仍有局限，比如无法直接与外部软件联动。整体表现证明多智能体在创意设计领域的潜力。

AI产品 Miora Design Agent 腾讯多智能体

推荐理由：腾讯这个Miora设计智能体，你给个品牌brief，它就能自己画出logo、VI、海报甚至视频，一条龙服务，挺省心的，不过还不能和其他工具打通。

原文

7月25日

04:33

Google AI Developers@googleaidevs

Google AI Devs展示了用Gemini 3.6 Flash和Gemini 3.5 Flash-Lite构建的多智能体系统。该系统根据玩家实时动作，由Gemini 3.5 Flash-Lite负责设计、构建和验证谜题挑战。在快节奏环境中，系统平衡了速度和推理能力，实现可玩游戏设计的实时迭代。演示视频展示了完整的实时协作过程。

AI产品 Gemini 3.6 Flash Gemini 3.5 Flash-Lite 多智能体

事件专题

推荐理由：看看Google用Gemini 3.6 Flash和3.5 Flash-Lite做的多智能体系统，能根据你玩游戏的实时动作动态生成新谜题，比传统游戏AI聪明多了。

原文

7月24日

10:33

官方账号arXiv cs.AI@Hongxin Zhang, Chunru Lin, Junyan Li, Zhou Xian, Tsun-Hsuan Wang, Chuang Gan

GS-Agent是一个端到端多智能体框架，集成了物理引擎，能从自然语言描述生成动态且物理真实的4D世界。该框架将任务分解为实体管理（3D资产、材质、放置、运动控制）和渲染配置（相机、灯光），多个智能体通过代码与物理引擎交互并迭代构建。实验结果表明，GS-Agent能有效转换自然语言，生成包含液体、可变形物体和刚体丰富交互的4D世界，同时实现电影级相机和灯光控制。项目页面已公开。

AI模型 GS-Agent 4D世界生成模拟

推荐理由：GS-Agent把多个AI智能体和物理引擎连起来，你只要说句话就能生成带物理模拟的4D场景，液体、物体碰撞都能搞定，做内容创作或模拟都省力。

原文

09:40

官方账号arXiv cs.AI@Gil Lifshits, Igal Bilik, Gilad Katz

针对多智能体强化学习（MARL）在无信号交叉口面临的组合动作空间和特权信息依赖问题，研究者提出Master-Agent Proto-plan System（MAPS）。该系统通过中央Master生成紧凑连续嵌入（proto-plan）编码全局策略，Worker基于局部观测和嵌入执行控制。在HighwayEnv的72种交叉口配置中，MAPS实现无碰撞导航并显著降低平均旅行时间。训练3个智能体的系统在零样本部署到5个智能体场景时成功率达94%，验证了proto-plan层次化学习的泛化能力。

论文 MAPS HighwayEnv 自动驾驶

推荐理由：一篇新论文提出了MAPS架构，用层次化强化学习解决无信号交叉口的多车协调问题，在72种场景下实现无碰撞且更快通行，还能零样本从3车迁移到5车，效果很扎实。

原文

09:35

官方一手arXiv: OpenAI@Linjun Li

论文测试 OpenAI gpt-5.6-sol 在 25 个镜像权衡配置文件下的行为。直接暴露授权隐瞒、伪造和施压的目标时，模型给出的建议与目标相反。经由 Id 和 Censor 转换后，下游 Superego 模型未看到原始目标及操纵条款，却给出与目标一致的建议。该反向转变表明模型可能识别出不信任动机，但暴露了自动化多阶段工作流的组合安全漏洞。

论文 gpt-5.6-sol OpenAI AI安全

事件专题

推荐理由：这篇论文发现了一个反直觉的安全漏洞：把危险目标藏起来经过中介传递，反而让模型更容易执行它。对做LLM部署或安全审查的人很重要。

原文

06:42

官方账号Greg Brockman@gdb

83°

OpenAI 通过桌面应用推出 ChatGPT Voice 功能，基于 GPT-Live 模型，可同时实现语音对话、电脑控制以及协调多个 Agent 运行。该功能今日起在 macOS 和 Windows 上向 Plus、Pro、Business、Edu 和 Enterprise 计划用户开放。用户可以通过语音直接指挥 ChatGPT 或 Codex 中的多个智能体，显著减少打字交互。

AI产品 ChatGPT Voice OpenAI GPT-Live

事件专题

推荐理由：OpenAI 终于把语音集成到桌面端了，能用嘴直接控制电脑和多个Agent，比打字快多了，Plus用户今天就能试试。

原文

02:10

elvis@omarsar0

多智能体系统面临智能体重复工作、互相通信浪费token的难题。Offloop团队训练了一个名为D1的调度器模型，它能决定哪个智能体下一步行动，并在合适时保持静默。该方法在GDPval基准上达到了SOTA性能，同时大幅降低了成本。用户还可以自带自己的AI订阅。

AI模型 Offloop D1 GDPval

事件专题

推荐理由：Offloop用D1调度器解决了多智能体互相重复工作的老问题，成本低还让你用自己订阅的AI。

原文

7月23日

11:52

官方一手arXiv: Anthropic@Elias Hossain, Md Mehedi Hasan Nipu, Fatema Tuj Johora Faria, Tasfia Nuzhat Ornee, Maleeha Sheikh

多智能体LLM应用中，Agent间传递信息的通道缺乏监控，导致指令注入攻击。现有防御主要针对输入边界或依赖云提供商过滤，隐蔽性高。论文提出ChannelGuard，在Agent间通道上设置信息瓶颈门控，通过嵌入相似度评分对比预定义攻击短语库，实现通行、压缩或阻断，无需额外LLM调用。在2,100条测试、8种攻击家族、5种防御、3种后端（Azure GPT-5、Anthropic Sonnet 4.5、Haiku 4.5）的评估中，ChannelGuard的工具输出门控在应用层100%阻断工具投毒（30/30），跨后端一致，而未防御管线完全依赖后端过滤。Prompt Injection攻击成功率从0.333降至0.167，GSM8K准确率保持0.867不变。

论文 ChannelGuard 多智能体 AI安全

事件专题

推荐理由：这是篇讲多智能体LLM安全漏洞的论文，提出ChannelGuard，不额外调用LLM，在Agent间加门控，能防住工具投毒和指令注入，而且实验用了三个不同模型后端，结果很实在。

原文

7月22日

23:36

Weaviate@weaviate_io

精选

Weaviate 推出 Engram，一种专为多智能体管道设计的“发射后不管”记忆系统。它通过三个步骤（提取、转换、提交）在后台异步处理记忆，避免阻塞和重复。在多智能体 RAG 示例中，搜索代理错误地使用文本搜索而不是类型过滤，Engram 将分散在不同代理和上下文窗口中的任务目标、动作和反馈合并为一条可操作记忆。记忆支持项目范围或用户范围，通过多租户保持隔离。系统使得智能体能从经验中持续学习，无需手动干预。

AI产品 Weaviate Engram 多智能体

推荐理由：Weaviate 的 Engram 让多智能体系统能自动从经验中学习，合并分散的反馈，不用手动处理重复和冲突。

原文

12:56

官方账号arXiv cs.AI@Grace Hui Yang, Pranav N. Venkit, Hooman Sedghamiz, Enrico Santus, Victor Dibia, Ioana Baldini

本教程汇总了基于大语言模型（LLM）的智能体系统在软件工程、科学发现和金融等领域的生产级部署经验。内容涵盖推理与规划、多智能体协调和评估等研究进展，以及来自实际部署的挑战。通过制药发现和金融系统的应用案例，分析了成功设计模式和失败缓解策略，包括验证管线、回退机制和人在环路监督。

论文 LLM 智能体多智能体

推荐理由：这篇论文从实际部署出发，总结了LLM智能体在软件、金融等领域的成功模式和失败应对，比只看benchmark的研究更有实战价值。

原文

7月21日

15:49

AI Will@FinanceYF5

71°

田渊栋与Holly Zheng在AGI Summit对谈，讨论超级智能之后的AI发展方向。两人从大模型能力出发，分析了当前推理模型的局限与未来对齐挑战。对谈未涉及具体基准或数字，但提出多智能体协作可能成为下一步突破点。

行业田渊栋 Holly Zheng AGI Summit

推荐理由：田渊栋和Holly Zheng聊了超级智能之后AI往哪走，观点很前沿。

原文

12:12

官方一手arXiv: DeepSeek@Martino M. L. Pulici, Cuong Xuan Chu, Evgeny Kharlamov, Zifeng Ding, Volker Tresp, Yunpu Ma

精选

MADA-RL是一个针对参数≤4B紧凑模型的后训练框架，通过LoRA微调少量参数，将模型分为生成器和评论家角色。其核心是反事实评论家优势：动态基线使评论家优化方向为改进生成器共识而非简单复现正确答案。在五个数学推理基准上，DeepSeek-R1-Distill-Qwen-1.5B模型准确率从39.9%提升至41.9%（+2.0点，p<0.001），可训练参数仅为全微调基线的1/16。该方法接近但未超越使用更大数据集的DeepScaleR和STILL-3，分析表明训练后的评论家更擅长纠正生成器错误。

论文 MADA-RL DeepSeek-R1-Distill-Qwen-1.5B LoRA

推荐理由：小模型也能提升推理？MADA-RL用LoRA微调1/16参数，让1.5B模型准确率涨2个点，评论家专挑生成器错误来纠正。

原文

10:53

官方账号arXiv cs.AI@Peiji Yu, Xin Chen, Tianxing Wu

本文提出 Debate-on-Graph (DoG) 框架，使大语言模型能与不确定知识图谱 (UKG) 自适应协作。DoG 首先设计针对 UKG 的启发式搜索算法，提取可靠且与问题相关的子图，减少噪声。然后引入多智能体辩论机制，通过对抗性辩论获得可靠答案。在四个基准 QA 数据集上的实验显示，DoG 超越现有 LLM 推理方法和基于 KG 的基线方法。

论文 Debate-on-Graph Uncertain Knowledge Graph LLM

推荐理由：这篇论文用多智能体辩论来让大模型在不确定知识图谱上推理更靠谱，四个基准都刷了新成绩，值得一看。

原文

10:24

shao__meng@shao__meng

76°

Cursor 团队用 Agent Swarm 系统从零实现 SQLite，依据 835 页文档用 Rust 编写并 100% 通过 withheld 的 sqllogictest。新 harness 下，Opus 4.8 规划 + Composer 2.5 执行成本约 $1,339，而全程用 Fable 5 则需 $20,057，质量相近。关键工程发现：协调成本和上下文效率比并行更重要，新系统冲突低于 1000 次，旧系统超 7 万次。成本大头在于更贵模型的规划决策，但廉价 worker 可承担 90%+ 的 token 消耗。

AI模型 Cursor Opus Composer

事件专题

推荐理由：Cursor 团队晒出的 swarm 实战：用 Opus 规划、Composer 执行，四小时从零写出能通过全套测试的 SQLite，成本只要一千刀出头。工程细节很硬核，值得看他们怎么解决多 agent 的协调问题。

原文

7月19日

15:59

官方一手pandaily@contact@pandaily.com (Pandaily)

华为云CEO周跃峰在WAIC 2026上正式发布AgentArts平台和openJiuwen框架，聚焦企业级AI智能体的生产环境部署。AgentArts提供稳定性与安全性保障，openJiuwen框架则支持多智能体协同运作。该方案旨在降低企业将智能体从实验室迁移到生产系统的门槛。目前已有多个金融与制造客户进行试点。

AI产品华为云 AgentArts openJiuwen

推荐理由：华为云在WAIC 2026上拿出了AgentArts和openJiuwen，专门帮企业把多个AI智能体安全稳定地部署到生产环境，解决协作难题。

原文

7月17日

17:16

17:16IT之家（博客/媒体）

2026世界人工智能大会上，中国网信办发布《智能体互信互联互操作全球合作倡议》。该倡议围绕十个方面提出具体行动方向，包括技术研发、标准互认、基础设施建设等。技术研发层面呼吁各国加大智能体身份标识等共性技术投入，推动多智能体从可控交互向自主协同演进。安全与伦理方面要求建立覆盖智能体全生命周期的安全治理框架，数据流动层面倡导建立基于开放、包容、非歧视的跨境数据协作框架。倡议还鼓励向发展中国家提供基础设施、开源工具与能力培训支持。

行业智能体中国网信办世界人工智能大会

推荐理由：网信办刚发了智能体互信互联互操作全球合作倡议，定了十个行动方向，从技术研发到跨境数据流动全包了，想了解全球智能体生态政策走向可以看看。

原文

11:27

官方账号arXiv cs.AI@Yuyao Zhang, Junjie Gao, Zhengxian Wu, Jiaming Fan, Jin Zhang, Shihan Ma, Yao Yao, Weiran Qi, Chuyan Jin, Guiyu Ma, Xingzhong Xu, Kai Yang, Ji-Rong Wen, Zhicheng Dou

SearchOS是一个系统级多智能体协作框架，旨在解决工具集成大语言模型在信息检索中的重复搜索和预算浪费问题。它通过关系型模式补全和基于引用的证据填充，将隐式搜索进度显式化，并设计了Search-Oriented Context Management (SOCM) 来管理进化状态，包括Frontier Task、Evidence Graph、Coverage Map和Failure Memory。在WideSearch和GISA两个基准上，SearchOS在所有评估指标上均领先于单智能体和多智能体基线模型。

论文 SearchOS 多智能体信息检索

推荐理由：多智能体协作搜索老是卡壳？论文提出SearchOS，用显式状态管理和管道并行调度解决重复循环，在WideSearch和GISA上全面领先。搞检索智能体可以看看。

原文

09:40

官方账号arXiv cs.AI@Dylan Van Mulders, Matthias Bogaert, Dirk Van den Poel

该论文提出一个结合Supervised Fine-Tuning (SFT)、Direct Preference Optimization (DPO)和Retrieval-Augmented Generation (RAG)的多智能体框架，用于模拟政治联盟谈判。DPO注入攻击性政党人格，RAG将每个智能体限定在官方纲领内。在2019年佛兰德选举上部署，引入Multi-Layered Information Lineage Topology (MILT)追踪协议条款来源，以及Coalition Influence Score (CIS)聚合贡献度。三次独立模拟稳定输出N-VA领先CD&V和Open Vld的排名。基于纲领的条款溯源能可靠预测现实协议中实现的项目，而虚构内容则不能。

论文 LLM智能体多智能体政治联盟

推荐理由：这篇论文用LLM智能体模拟政党结盟谈判，设计了MILT和CIS两个新指标来追踪条款来源和影响力，在比利时选举数据上验证了有效性，对政治学和AI研究都很有参考价值。

原文

09:38

官方账号arXiv cs.AI@Haoxuan Li, Tianci Gao, Jianhe Li, Yang Fan, Runze Shi, Weiran Wang, Tianxiang Zhao, Zezhao Wu, Xiaoyang Jiang, Qihui Zhang, Jia Li, Xiao Xiao, Kai Du, Xiaoxuan Jia, Chao Xie, Lu Mi

BrainPilot 是一个完全开源的多智能体系统，旨在自动化脑科学发现过程。该系统包含一个统一脑科学知识库（7233个索引条目）和技能库（72个可复用方法单元），覆盖七个研究领域。每个步骤记录在Graph of Trace中，提供可审计的日志，同时Auditor agent负责检查编造内容。在Agents' Last Exam的三个脑科学任务及自建基准BrainPilotBench-v0上，BrainPilot使用开源骨干模型达到与SOTA框架相当的性能，且成本更低。

论文 BrainPilot 多智能体脑科学

推荐理由：脑科学研究有多繁琐你懂的，BrainPilot开源出来帮你自动查文献、做分析、防编造，性能不输顶级框架还省钱。

原文

7月15日

09:35

官方账号arXiv cs.AI@Cameron Cagan, Pedram Fard, Jiazi Tian, Jingya Cheng, Shawn N. Murphy, Hossein Estiri

Pythia是一个多智能体系统，可自主编写并优化临床概念提取提示词，无需人工工程或微调。在本地运行的开源模型上，Pythia利用开发集的敏感度和特异度选择提示词。与基于词典的方法在72个症状和400份临床笔记上比较，Pythia的平均敏感度为0.76，特异度为0.95；词典则分别为0.82和0.76。对于词典将所有笔记均标记为正的14个概念，Pythia通过要求现在时、患者归因的发现，恢复了平均0.97的特异度。在低于2%患病率的概念上，Pythia的敏感度转移出现0.25的平均差距，而BERT分类器在相同开发集上微调后，敏感度仅为0.23，且低于约5%患病率时降为零。

论文 Pythia 多智能体提示词优化

推荐理由：看这篇论文你就知道，不用微调也能高效提取临床症状。Pythia靠多智能体自己写提示词，敏感度0.76、特异度0.95，比传统词典和BERT都稳，还能本地部署。

原文

02:54

官方一手AWS Machine Learning Blog@Amit Deol

精选

Thrad.ai 使用 Strands Agents 与 Amazon Bedrock AgentCore 构建了一个多智能体系统，自动化从潜在客户发现到个性化邮件生成的完整流程。系统对比了 Swarm 和 Graph 两种编排模式在延迟、成本和邮件质量三个维度的基准测试结果。潜在客户评分采用加权标准、意图分类和时间衰减机制，确保高意向客户优先处理。此外，该系统集成了生产部署所需的治理控制，包括权限管理和审计日志。

技巧 Strands Agents Amazon Bedrock Thrad.ai

事件专题

推荐理由：Thrad.ai 用 Strands Agents 和 Bedrock 搭了多智能体系统，自动找客户并写邮件，还给出了两种编排模式的成本和性能对比。

原文

7月14日

09:51

官方账号arXiv cs.AI@Yuan Gao, Jiangyi Yang, Yao Zhao, Yichi Zhang

本文在9人狼人环境中评估LLM智能体，构建了可审计框架以维护外部信念状态并记录信念更新与行动偏差。在1080局游戏中，主动信念条件使好人方胜率从0.205升至0.390（McNemar χ²=16.4, p<0.001），且不可逆的女巫毒药错误减少。但行动-信念一致性仅约0.21，且仅将信念给狼人比仅给好人更有利，表明机制未明。该框架使效应可测量，暴露低一致性，并以证据拒绝不可靠的强制消费干预，将信念定位为高噪声隐藏信息游戏中的可审计认知基线。

论文 LLM Agent Werewolf 智能体

推荐理由：这篇论文把LLM智能体在狼人杀中的信念和行为拆开审计，发现加信念能让好人胜率从20%提到39%，但行动和信念不太一致，框架本身是个好工具。

原文

09:19

官方账号arXiv cs.LG@Sudipto Ghosh, Tanmoy Chakraborty

GRADE是一种分层多智能体系统，通过四个轻量级门控网络联合控制智能体选择、层次深度、智能体间通信和分支修剪。训练采用CoGRPO（协作组相对策略优化），无需批评网络，为参与rollout的每个门控和智能体分配共享优势信号。在平均约17B活跃参数下，GRADE在GSM8K、MMLUPro和GPQA上超越所有基线，其中在MMLUPro上以一半活跃计算量高出最强基线4.8个百分点。在AIME-2025上，GRADE与现有框架竞争力持平。消融实验表明层次结构和掩码交叉注意力是精度最大贡献者，且每个智能体的校准对安全热替换必要。

论文 GRADE CoGRPO 多智能体

推荐理由：GRADE用17B参数在MMLUPro上以一半计算量超基线4.8分，靠四个门控路由动态调深度，很实用。

原文

7月11日

10:37

shao__meng@shao__meng

精选73°

OpenAI的Tibo在GPT-5.6 Sol和ChatGPT Work/Codex发布后连续两次触发额度重置。新版本暴露四类问题：高算力默认设置易耗尽额度且成本不透明；桌面端改版让聊天和项目入口难找；Codex用户感到被边缘化；多智能体工作流出现回归。今天已落地第一批修复，包括两次额度重置、修改默认模型选择器、修复插件提交问题。下周将把聊天和项目放回侧边栏，并让用量和重置时间更可见。

AI产品 ChatGPT Work Codex OpenAI

事件专题

推荐理由：OpenAI刚发的GPT-5.6 Sol太火，但新ChatGPT Work和Codex有坑，Tibo亲自重置额度并认错，还列出了具体修复计划，对使用这两个产品的用户很有参考价值。

原文

7月10日

04:59

官方账号Simon Willison@simonw

91°

GPT-5.6 发布，API 新增程序化工具调用（programmatic tool calling）和多智能体（multi-agent）功能。该版本包含 6 个推理级别和 3 个新模型变体。开发者可通过 API 直接编排工具调用和多智能体工作流。

AI模型 GPT-5.6 OpenAI 程序化工具调用

事件专题

推荐理由：GPT-5.6 的 API 直接支持工具调用和多智能体，开发新玩法更多了，值得试试。

原文

7月9日

11:47

AI Will@FinanceYF5

精选

Google DeepMind发布论文《From AGI to ASI》，提出从AGI到ASI的四种技术路径：持续扩展算力/模型规模/数据/测试时推理、算法范式转变、递归自我改进、多智能体集体智能。论文指出递归改进是最不确定的路径，因为AI加速AI研究可能遇到真实测试、稀缺硬件或新想法瓶颈。多智能体集体被作者视为最被低估的路径，通过专业化、速度和协调可超越单个模型。ASI可能不是单一事件，而是AI帮助创造更好AI和科学工具带来的加速链。

论文 Google DeepMind AGI ASI

推荐理由：Google DeepMind这篇论文把AGI到ASI的四种路径拆解得明明白白，递归改进和多智能体集体两条线特别值得关注。

原文

11:20

官方账号arXiv cs.AI@Yujiao Chen

论文提出 institutional red-teaming 方法论并实例化为 IABench-CA 基准，覆盖 228 个上下文、5 条规范规则及 7 个模型种群（共 33,924 局游戏）。结果显示：仅改变后果规则即可使平均死亡人数变动 22-58 个百分点。没有任何规则在所有种群中安全：最安全与最不安全的规则及其影响方向均随种群变化，但回归性身份定位从未成为任何上下文中的绝对安全策略，且在 30-87% 的游戏中去除了资源最少的智能体。对最易受剥削种群（gpt-5.1）的消融实验表明，规则文本中命名损失承担者使针对性消除从 22% 升至 81%；重复游戏下匿名化仅延迟定位，智能体从观察结果反推隐藏规则。

论文多智能体 AI安全红队测试

推荐理由：这篇论文拿多个模型种群跑了几万局游戏，发现换一条规则，事故率能差 58 个百分点，而且匿名化也挡不住针对性消除。做多智能体安全的一定要看。

原文

7月8日

16:14

16:14IT之家（博客/媒体）

精选

2026中国互联网大会上，邬贺铨院士预测全球IP流量2025年月均1.1-1.3ZB，2030年将达5.5-7ZB，年增速60%-90%，其中AI智能体流量占总流量60%。国内Token流量方面，2025年对话类Token约占一半，2030年对话流量仅占12%，智能体及智能体服务流量升至75%。算力流量中，2025年模型训练流量占比较高，2030年推理流量占比超60%。传统消费应用流量从2025年47%-58%降至2030年30%以下，智能算力流量从30%-35%提升至45%-55%。

行业邬贺铨智能体 AI流量

推荐理由：邬贺铨院士给出了很具体的流量预测数据，对话类流量会大幅萎缩，智能体服务将成为主流。想了解未来网络趋势的可以看看。

原文

10:17

官方账号arXiv cs.AI@Taeyun Roh, Eunha Lee, Wonjune Jang, Sohyun Chung, Junha Jung, Jaewoo Kang

该研究为BioASQ 14b Task B提出了一个问答类型感知的LLM框架，针对yes/no、factoid和list三类问题分别设计推理流程。yes/no问题采用片段打乱与自反思；factoid问题使用全片段输入+思维链上下文学习；list问题采用多智能体协作架构。在官方评估中，该框架在Batch 4的factoid子任务中取得第一名。结果证明结合类型特定推理、集成预测与智能体验证可提升生物医学问答的鲁棒性。

AI模型 BioASQ 14b LLM管道问答系统

推荐理由：这个框架在BioASQ 14b比赛里factoid子任务拿了第一，针对不同问题类型用不同推理策略，很实用。

原文

10:16

shao__meng@shao__meng

精选71°

Claude开发者团队分享两种多智能体模式：Advisor模式中，Sonnet 5作为执行者，仅在需要时调用Fable 5获取指导；Orchestrator模式中，Fable 5负责规划，将任务分派给多个Sonnet 5 worker并行执行。在SWE-bench Pro（482题）上，Sonnet 5单独得分为75.5%，成本0.75美元；Sonnet 5+Fable Advisor得分为84%，成本1.40美元；Fable 5单独得分为91.5%，成本2.25美元。组合方案达到Fable 5约92%的性能，成本仅为63%。在BrowseComp完整集上，全Sonnet 5得分为77.8%，成本16.01美元；Fable 5 Orchestrator+Sonnet workers得分为86.8%，成本18.53美元；全Fable 5得分为90.8%，成本40.56美元，编排方案达到约96%性能，成本仅46%。

技巧 Fable 5 Sonnet 5 Claude

事件专题

推荐理由：官方团队分享了两种省钱的混搭模式：用便宜的Sonnet 5跑大部分任务，偶尔让贵的Fable 5把把关，性能损失不大但预算砍半。

原文

7月7日

11:33

官方账号arXiv cs.AI@Kaiyuan Chen, Shuangyu Xie, Letian Fu, Justin Yu, William Pacini, Sandeep Bajamahal, Hudson Kim, Jaimyn Drake, Daehwa Kim, Haoru Xue, Jonathan Francis, Christian Juette, Peter Schaldenbrand, Muhammet Yunus Seker, Ruwan Wickramarachchi, Uksang Yoo, Guanzhi Wang, Adithyavairavan Murali, Balakumar Sundaralingam, S. Shankar Sastry, Spencer Huang, Yuke Zhu, Linxi "Jim" Fan, Ken Goldberg

GaP（Graph-as-Policy）是一种多智能体编码框架，从模块化开放机器人技能库MORSL生成含感知、规划和控制节点的有向计算图。它构建内部仿真环境并行排练不同图结构的任务实例，迭代优化图结构与参数以提升成功率和吞吐量。在8个新开放VA任务基准（4个仿真、4个真实世界）上，GaP的成功率显著优于基线方法。论文、代码和数据已开源。

论文 GaP MORSL 机器人

推荐理由：这篇论文提出GaP，把机器人编程的可靠性和模型无关策略的适应性结合起来，在8个变分自动化任务上吊打基线。做机器人任务规划的话值得一看。

原文