标签
R^2Orch 提出了一种递归自博弈范式，用于训练具备可学习任务选择能力的智能体编排器，并引入 Skill Withdrawal 外循环，消除了人工设计的课程安排，在十二个推理与交互数据集上均超越基线方法。
OpenAI、PerturbAI 和斯克里普斯研究所使用数千个由 GPT-Rosalind 驱动的 AI 智能体，仅用 32 分钟就分析了涵盖数百万个小鼠脑细胞的全脑 CRISPR 图谱，通过分布式生物学推理，发现了有关阿尔茨海默病和帕金森病生物学机制的新线索。
一位实践者分享了在免费额度 API 上运行带后端隐藏编排器的多智能体辩论系统的经验，发现对立人设比相同人设表现更好，而且速率限制反而意外提升了辩论质量。这正是正在开发中的 Lunaar 的核心——一款 BYOK、免费的多智能体辩论工具。
作者开源了一个容器化的多智能体研究与报告生成管线，基于 LangGraph 四阶段状态机（Planner/Researcher/Critic/Writer）、MCP 工具服务器，以及 FastAPI + Celery + Redis + PostgreSQL 的分布式异步架构，并分享了生产化设计经验。
本文对金融文档审查任务中的单智能体与多智能体 LLM 设置进行了对照实验，发现将工作分配给三个智能体能略微多发现一些缺陷，但会增加误报，且 Token 消耗达到 2.2 至 2.4 倍；而采用简单自采样的单智能体方案往往能达到更好的平衡准确率。
TEX 是一个基于执行交叉验证的协作式测试时扩展框架，多个智能体并行生成测试与补丁并交叉执行形成反馈矩阵，在 SWT-Bench Verified 上达到 86.4% 的新 SOTA，比单智能体基线提升 9.0%。
该论文评估了单一 LLM 基线与三种多智能体拓扑在临床任务中的表现，发现协作能提升任务指标，但并不必然降低幻觉，且模型本身而非拓扑结构决定了幻觉的变化方向。
ToM2Vec 通过固定预算的连续推理词元在潜在空间中学习抽象的心智理论（ToM），用于多智能体协作，在 Overcooked-AI、Hanabi 等多种环境中均优于基线，并证明潜在推理优于文本推理，且可泛化到未见过的模型家族。
作者分享了构建 BYOK 多智能体 Android 应用的经验教训，涵盖角色漂移的修复、token 成本优化、工具调用，以及用于让智能体保持任务专注的"辩论 + 编排器"模式。
一篇爆火帖子讽刺了围绕 AI 智能体集群与「第二大脑」的炒作，引用了一份报告：一位 23 岁的中国开发者并行运行了 300 个 Claude Code 智能体，并加入了一个验证层。
DiffResearch 将自回归骨干替换为扩散语言模型（dLLM）用于多智能体深度研究，在 Deep Research Bench 上实现约 6 倍端到端加速并提升报告质量，还提出 dFast 提前从去噪状态提取子查询，以 Apache-2.0 开源。
OverSeer 提出了一种多智能体世界模型，通过固定辅助摄像机视角作为以世界为中心的表征来增强智能体的第一人称视角，并使用 delta-VAE 进行压缩以减少 token 计算量，在 Minecraft 和 Doom 中展现出更好的一致性。
Meta 分享其“薄编排器”架构实践：用一个 1300 行、零领域逻辑的路由器把 20+ 工作流分发给 14 个专业化子代理，显著提升了数据管线代理在生产环境中的准确性与效率。
作者分享为运行在多台机器上的多个编码代理（Claude Code、Codex、Pi、Kimi）构建控制平面的经验教训：控制平面只排队不执行、审批必须由人类完成、区分心跳与轮询、事件溯源作为唯一事实来源，并将代理视为有角色和技能的命名队友。
作者分享从 Stage 7 迈向 Stage 8 的 AI Native 开发实践：用 Captain 统筹者调度 1+N 个 Agent、引入变异测试式验证、并以 logbook/Preflight 串起需求到上线的全流程。
Google Cloud AI Research 与北京大学联合发布 PaperBanana（后更名 PaperVizAgent）——一个用多智能体协作自动生成出版级学术插图（方法流程图、架构图、统计图表）的开源框架，通过「检索参考图→规划内容→风格调整→生成→自我批评迭代」流程降低论文配图门槛，并配套提出包含 292 个 NeurIPS 2025 测试用例的评测基准 PaperBananaBench，在忠实度、简洁性、可读性与美观度上超越现有基线。
一位开发者搭建了一个基于本地 Web 的"AgentOS"仪表盘，包含三个专职 Agent（助手、构建者、研究者）、一个审批关卡、文件夹快照以及按功能划分的 token 花费开关，正在征求意见，看是否值得开源。
开源工具Toonflow可在两小时内以约120元成本自动生成AI短剧，涵盖编剧、分镜、角色设计到成片的全流程，采用三层Agent架构并支持本地部署，GitHub星数已达16.6k。
Cohere 的一篇新论文发现，多智能体编码团队中，额外的智能体仅负责研究和规划时收益最大，且廉价模型即可胜任规划工作，从而在性能接近的情况下大幅降低成本。
MS-Eval 提出一个统一评估套件，用于量化主代理委派与子代理执行（MAD-SAE）范式在 MCP 密集场景中的表现，对四个 MAD-SAE 变体和八个前沿模型的评测显示子代理专业化最优，开源模型整体表现有竞争力，但委派通常增加成本且收益不确定。