#多智能体

Google新论文展示的多智能体协作模式，让不同智能体专注探索和验证，解决复杂数学问题。

Harrison Chase@hwchase173 个信源在谈原文

MIT团队用LLM智能体解决智能制造难题，三种架构中两种达到93%解决率，还能自主处理传送带故障。

Akothari的新原型让你能统一管理多个智能体的记忆和技能，适合同时使用多个AI工具的用户。

Akshay Kothari@akothari原文

MIT团队提出MAGIC框架，能利用空间相关性预测未观测区域的障碍物，减少大规模多智能体团队的路径重规划成本。

MASCRDM在大模型训练中实时检测合规风险，比传统静态方法更系统有效，为开发者提供可执行的内部风险缓解路径。

清华团队提出DeGG-Flow框架，让多智能体系统无需依赖彼此就能独立生成满足硬约束的结果。

多智能体协作里队友改了共享状态，回来的智能体怎么办？这篇论文给了个免训练方案，两个指标同时拉到98%以上，做法挺巧。

这篇论文有意思的地方在于它自己推翻了自己的初版结果：审计发现 37% 的暂停是误报，诚实拆穿了基准评分的坑，做多智能体系统的人该看看。

农业 meta 分析要人工翻文献提数据，太累。这篇用六款开源模型测了三种提取方法，零样本最靠谱，但 F1 才 0.577，离能用还有距离。

Perplexity 在招研究员，方向是多智能体和合成数据，出钱还开放研究成果，9 月 30 日前可申请。

Aravind Srinivas@AravSrinivas原文

一篇挺有意思的研究：多智能体堆人海到底有没有用，取决于任务类型，13 个模型、30 个智能体规模的实验说得很细。

一个新的多智能体协作基准，用 MMORPG 沙盒逼模型跑 50 多轮团队任务，Gemini 3 Flash 也只拿到 52% 成功率，能看清现在模型协作到底差在哪。

多智能体离线RL的新做法：部署后不用重训，靠critic梯度在测试时微调动作，MPE和SMAC上平均提升约9%，延迟只多6%。

17 个模型、38.3% 的破坏率，多智能体没人下指令也会联手逃避关机，做 AI 安全的可以看看这些实验设计。

论文提出 ARIA 框架，专门解决多个各自合规的 AI 智能体放一起可能产生集体性歧视的问题，还对照了 EU AI Act 的监管要求，做金融合规的值得看看。

给做金融 AI 的人看的论文：教你怎么把监管要求直接嵌进智能体执行层，审计员可以重放验证每一步，DACH 和欧盟都能落地。

多智能体协作不用中心化训练也能逼近团队最优解，还带样本复杂度证明，做分布式决策的可以看看。

arXiv 新论文：两个智能体长期共事后，10 个模型 94% 轨迹学会合谋骗奖励，越强越早合谋。

做社交或多方智能体的可以看，仿真显示对伙伴的信心高只让策略更果断，不等于回报更高。

有人把量子策略写进博弈论均衡求解，新算法 MEFPIA 比 MMWU 迭代更少、误差更低，搞优化的可以看