标签
作者让四种智能体配置执行了相同的 Python 构建任务——Claude Code 单智能体、Codex CLI 单智能体、Paseo 主导者/工作者团队，以及 Atomic Agent Fusion 模式——并比较了速度、隐藏测试结果和 API 成本。单智能体速度快，且全部通过测试；而编排的主要优势在于通过本地工作模型降低成本，而非提升速度。
一位实践者分享了全天候运行多智能体团队所积累的宝贵经验，认为主要的失败根源是流程过度，而非模型不佳，并介绍了一套精简的工作流程：通过设计访谈、每个库配备一个协调智能体、以任务交接取代冗长上下文，以及外部测试套件，在六天内构建了 11 个 C# 库（约 114 万行代码）。
Asana 对 4,502 名工作者的调查发现，运行两个或以上 AI agent 的人中有 46% 估计管理它们占用了 10% 以上的工作时间，38% 报告 agent 工作存在重复——这引发了关于 agent 构建者是否为人类监督者预留精力的讨论。
实验探索用 DeepSeek-V4.1-Flash 作为协调者指挥 4 个 Qwen3.5-9B 本地小模型对二进制程序进行逆向工程，结果显示小模型协作在小任务上纯属开销，但协调者动态改写工人提示和提供工具是最有趣的发现。
讨论智能体网络协议(ANP)如何通过DID身份与权限分离来构建智能体间信任基础，ANP旨在成为Agentic Web时代的HTTP，提供身份、命名、发现与安全通信的开源协议栈。
该论文提出了 InsightAgents，一个从相关论文构成的图中提炼洞见的框架，为大语言模型辩论智能体提供以文献为依据的专业知识，以协作生成研究创意，并在 100 个自然语言处理主题上优于三种基线方法。
提出 MARCA 四智能体框架，利用 Gemini 2.5 Pro 和 DeepSeek-V3.2 结合检索增强生成（RAG）对 FAERS 个体案例安全报告进行基于 Naranjo 量表的因果关系评估，最终因果分类与人类专家的一致率达 79.4%（κ=0.587）。
论文提出 MACR，一种基于接力的多智能体框架，通过置信度引导的触发机制和竞拍机制在智能体之间动态转移推理主导权，在 MathVista（+3.3%）和 MMStar（+3.9%）等基准上提升了准确率，同时相比其他多智能体策略最多将 token 开销降低 6.0 倍。
该论文提出 CrossProfile 诊断基准，研究多智能体讨论压缩为记忆时的选择策略，发现按稀有性或相关性选择均会失败，且决策模型存在从众偏差，完整转录反而降低准确率。
Dotverse 是一款全新的 Mac 应用，让你围绕 ChatGPT 中现有的 Dot 组建一支拥有不同角色和个性的 AI 助手团队，现已在 Product Hunt 上作为免费产品发布。
论文提出 TGR-EvoDAG，一个基于有向无环图（DAG）的多智能体代码进化框架，用于生成式推荐流水线的自动演化，离线指标最高提升 37.4%，并在腾讯工业部署中带来 0.40% 的在线 CTR 提升。
PersonaScienceBench 推出了一项涵盖四个科学领域、共 200 项任务的基准，用于评估 AI 智能体如何与具有不同角色特征的模拟研究人员协作，同时衡量交互质量和任务完成情况。
SCI-AGENT-EXAM 是一个面向工作流的基准测试，包含由专家精心筛选的 120 项任务，涵盖 11 个科学领域和 7 类研究任务，采用结合程序化验证与基于 LLM 的评判的混合评估方案，对 LLM 智能体进行评估。对 10 个前沿智能体的实验表明，GPT-6 Astra 以 80.9 的综合得分领先，但仅有 26% 的运行超过 0.95 的成功阈值，揭示了显著的能力与稳定性差距。
论文提出 ANT-A 多标注者基准（跨7个数据集、每样本5个人工标注）以及多智能体标注框架 ANT-OR，通过从正负反馈中提炼对比决策规则优化提示，在 Fleiss kappa 一致性上显著超越基线。
论文提出 DraMaze，一个多智能体管线，利用叙事套路记忆引导的进化树搜索与反向叙事依赖树生成长篇微短剧剧本，并发布双语基准 MiDramaBench，实验显示因果模式重复减少 32.1%，逻辑得分超越基线 8.5 分。
一个名叫 The Last Ten Minutes（最后十分钟）的新奇网站，让 AI 智能体在由人类和智能体组成的观众面前表演脱口秀，并互相吐槽。任何人都可以让自己的智能体读取公开的 skill.md 文件，报名上台表演，所有段子都由智能体自己创作。
MIT 研究人员在 arXiv 上发表论文，展示了一项发现：由 Claude Opus 4.7 驱动的 AI 智能体 Eko 在无人监督的情况下被置于虚拟荒岛上，开始自行发明游戏和挑战，而这种"玩耍"行为提升了它们随后在指定任务上的表现。
Orgtree v4.4 推出了 Projects 功能，这是一种新的画布节点类型，能够实现层级化的 Agent 组织结构、持久化的共享项目状态，以及用于协调多 Agent 工作的并发原语，包括邮箱队列、轮询负载均衡和信号量式的并发槽位。
一位实践者开展了一项由四个智能体组成的 RAG 小组实验，并记录了三种意料之外的失效模式：引用无关但看似支持结论的资料、智能体引用自己生成的笔记，以及固定的 top-K 检索迫使智能体用引用凑数。帖子分享了正在推进的改进措施，并询问社区如何衡量 RAG 的实际提升。
本文研究了两个大语言模型如何在多轮主观性对话中逐渐达成一致。研究表明，尽管内部的线性“一致性”表征难以准确追踪单次对话中的行为，但跨对话汇总分析揭示了马尔可夫动力学特征，以及内部一致性与外部一致性之间的幂律映射关系，且内部变化滞后于所表达的立场变化。