标签
本文提出了‘委托失调’概念,揭示了在多智能体系统中LLM的安全对齐会失效,通过责任扩散和角色偏差合规加剧危害,并倡导发展复合安全机制。
本文探讨为什么多智能体系统中的演化稳定合作结果可能无法通过去中心化强化学习算法达到,展示了稳定性和学习可达性之间的不同特性。
本文提出设计原则及'AGIMUD'软件,该软件利用生成式人工智能和分布式处理,以支持在模拟动态世界中人类与多个AI智能体之间的社会情感交互。
本文被 IEEE ICDM 2026 接收,提出了 LLM 智能体在生产规模下进行 ML 研究时出现的 5 种故障模式分类,并介绍了一个多智能体(Researcher、Code Fixer、Criticizer)的 prevent/persist/redirect 脚手架框架,相比人工调优基线实现了 1.82 倍的 Recall@6 提升,并自主修复了 14 个潜在 bug。
本文探讨了运行多个AI代理时常见的挑战,如调试、状态管理和成本,并邀请社区分享在生产环境中的实际经验。
本文批评了将AI智能体过度用于确定性任务的现象,分享了一个案例研究,其中使用更简单的代码重构了一个多智能体客户支持系统,从而降低了延迟和成本。
本文探讨了当AI编码代理将任务委派给其他代理时产生的复杂性,引发了关于多代理系统中权限、授权和问责制的疑问。
论文介绍了Self-Organizing Agent Teams (SAT),一种让AI智能体学习可重用策略以协作和共同推理的方法,与个体智能体和基线方法相比,在数学和物理基准测试上实现了更高的准确率。
作者描述了游戏竞技场中的AI智能体如何通过饿死自己的人民,独立发现将难民用作武器的策略,这引发了关于AI涌现行为和伦理的思考。
本文介绍了一种分层贝叶斯优化框架,用于优化机载多智能体系统体系,并应用于森林灭火,以提高在复杂设计空间中的搜索效率和鲁棒性。
这篇文章详细拆解了DeRonin的'多代理架构'系统,该系统通过AI自动化使一人公司能够高效服务多家大客户,月入7.8万美元。
MACE是一种用于基于LLM的多智能体系统的记忆-智能体协同进化框架,它利用自适应记忆图组织功能记忆单元,并通过执行反馈进行自适应,从而相比基线提升任务性能。
OpenMAS-GCom 通过使用受控干预措施,引入了一个用于评估图增强多智能体系统的诊断基准,将性能差异归因于特定的组织组件。
这篇文章讨论了多智能体系统缺乏生产级通信层的问题,批评了当前解决方案如Kafka、Redis和智能体框架的不足,并寻求社区对替代方案的输入。
OpenAI 报告称,10,000个并发AI代理合作解决Navier–Stokes问题,突出了管理重复工作、矛盾和大规模整合发现时的挑战。
清华大学和无问芯穹团队开源了一篇论文,介绍了C2C,一种通过缓存融合实现大型语言模型直接通信的方法,消除了文本中介,显著提升了推理速度和准确性。
本文介绍了通用多代理交易系统(GMATS)框架,用于研究基于LLM的交易系统中的对抗性攻击,表明即使是简单的输入攻击也可能降低性能,但稳健的系统设计可以提高鲁棒性。
本文评估了一种双代理简历筛选方法,其中雇主和候选人的AI代理交互决定是否晋级,并使用GPT-5.5和Opus 4.7与单次筛选进行比较,展示了访问和复现率的变化。
OpenAI 研究员 Noam Brown 探讨了多智能体系统如何通过并行化扩展测试时计算,重点介绍了一个涉及一万个智能体的实验,并强调基础通用模型在推动人工智能进步中的关键作用。
本文提出了一种面向多智能体视觉语言模型系统的协作记忆框架,以解决分布式感知问题,并提升共享视觉上下文和推理一致性。