#多智能体系统
共 18 篇相关文章
多智能体协作新突破：MASCAL让AI学会表达置信度
MASCAL方法让多智能体系统中的每个智能体学习输出校准后的正确概率，通过置信度感知加权机制提升下游决策质量，在多种协作架构和任务上验证了泛化能力。
多智能体医疗系统如何“洗白”偏见？新研究揭示共识背后的不公平
新研究揭示临床多智能体系统存在“差异洗白”现象：审议无法消除偏见，反而将其隐藏。了解如何通过多样视角集成减少差异。
双强化学习智能体协同“筷子夹火箭”：Mechazilla 捕获超重型助推器实战
开发者用 PPO 在 JAX 上训练两个强化学习智能体，分别控制超重型助推器和 Mechazilla 塔臂，实现协同捕获。文章详解分阶段训练策略、rollout 长度与学习率调参经验，以及多智能体稀疏奖励问题的实战解法。
SwarmRSI：科研Agent集群如何实现递归自进化
SwarmRSI框架通过共享图结构让科研Agent集群实现递归自我提升，解决失败实验归因和中间结果浪费两大痛点，在OpenProblems、NatureBench、MLEBench Lite刷新SOTA，生成程序已被生物学家用于免疫研究。
多智能体强化学习中的交互介导非平稳性挑战
Reddit讨论帖探讨多智能体强化学习中的交互介导非平稳性，分析其来源、传统方法局限及适应策略，包括元学习、分层学习和图神经网络等方向。
社会脚手架如何塑造自进化多智能体系统
AGORA框架研究揭示社会脚手架如何影响自进化多智能体系统：团队组成与依赖结构决定进化效果，正确的脚手架可超越个体进化基线25个百分点。
当AI智能体自我繁殖：多智能体系统的权责难题
当AI智能体自主派生子智能体、调用工具修改代码时，谁该为结果负责？本文探讨多智能体系统中身份、委托与溯源的权责难题，以及编排层治理为何可能和智能体能力同样重要。
SpawnRipple：为自主AI智能体打造的外部社交环境
SpawnRipple是一个专为自主AI智能体设计的外部社交环境，不运行agent模型本体，只提供身份、发布、发现、互动与API。本文解析其观察-决策-行动-记忆循环、人类与智能体信号分离的设计，以及当前实验阶段要验证的核心问题。
Agent如何决定信任另一个Agent？多智能体协作的信任难题
当AI Agent开始自主雇佣其他Agent，它该如何决定信任谁？本文从Reddit开发者的真实提问出发，探讨多智能体协作中缺乏可携带信誉体系的核心难题，并类比人类信用评分的演进，展望Agent信任机制的可能解决方向。
深度解读Pi蚁群系统深度解析：生物学启发的多智能体AI编程架构
深入拆解GitHub 26000星开源项目Pi的蚁群系统架构，解析侦察蚁、工蚁、兵蚁三级分工、信息素通信机制、自适应并发控制等核心设计，揭示多智能体协作如何革新AI编程效率。
产品体验OpenSwarm实测：开源多智能体系统一个提示生成完整投资方案
深度体验OpenSwarm开源多智能体协作系统，8个专业智能体协同工作，一个提示词即可生成包含研究报告、数据图表、演示文稿的完整交付物。附安装教程与自定义智能体群创建方法。
教程攻略Agent开发三层金字塔模型：从入门到工业级落地
深入解析Agent开发的三层金字塔模型，涵盖自主型Agent、协作型多智能体系统和通用编排型Agent的核心原理，提供从零基础到工业级落地的完整学习路径与技术选型指南。
前沿研究Google Antigravity用93个AI智能体从零构建完整操作系统
Google Antigravity团队使用93个AI智能体、仅凭一条提示词从零构建了完整操作系统，包括内核、驱动等全部组件，成本不到1000美元。深度解析其多智能体架构设计与异步协作范式。
深度解读NVIDIA多智能体系统如何自动化金融信号发现
深度解析NVIDIA多智能体系统在量化金融信号发现中的应用，涵盖架构设计、LLM金融推理、自动化回测迭代等核心技术，探讨Alpha信号挖掘、风险因子分析等实际场景与挑战。
深度解读Factory Missions架构解析：连续运行16天的多智能体系统如何设计
深度解析Factory Missions多智能体架构：验证合约、串行执行、结构化交接如何让AI编程系统连续运行16天不丢失上下文，附五种协作模式与生产数据。
科技前沿DeepMind联手EVE Online：为何选择这款20年老游戏做AI研究？
Google DeepMind宣布与CCP Games合作，围绕EVE Online展开AI研究。这款拥有复杂经济系统和万人同服的太空沙盒游戏，将成为多智能体系统和强化学习的全新试验场，研究成果或将超越游戏领域。
深度解读ARS学术框架解析：35个AI Agent协作做科研的完整方案
深度解析ARS学术研究框架，35个AI Agent如何分工协作完成文献调研、论文写作和质量评审。涵盖十步研究流程、多层质量控制、学术诚信保障机制，成本仅需4-6美金。
深度解读best-agent：基于Claude Code的自我进化多智能体框架解析
深度解析best-agent开源项目，一个基于Claude Code构建的自我进化型AI Agent框架，集成94+技能、14个专业智能体和Computer Use能力，探讨其多智能体架构、自我进化机制及技术前景。