标签
AWS AI 研究人员提出 EvoSyn，一个由学习反馈驱动的多智能体框架，通过演化生成空间实现闭环数据合成，在 τ²-Bench 和 CAR-Bench 上比最强基线平均提升 13.3 个任务成功率点。
您提供的内容已经是简体中文摘要，并非需要翻译的英文原文。请提供需要翻译的英文 Markdown 文章原文，我将按照要求将其翻译为自然流畅的简体中文，保留标题、列表、强调、行内代码和链接等格式，并将专有名词（如 UnCoBench、LLM 等）保持英文不变。
DuoDiscover 是一个自主发现搜索系统，通过让编码代理协同发现优化目标与快速代理评估器（yardstick），并用保真度测试防止代理指标漂移，来突破自主发现中的评估瓶颈。在 SWEfficiency、SOL-Exec、vLLM、SQLite 及 CPU 微架构优化等多个基准上取得显著成果，部分任务上超越 AlphaEvolve 系统与人类专家。
Vals AI 在 Vibe Code Bench 上对比了单智能体与多智能体团队构建完整 Web 应用的表现，发现团队成本高出 1.8–5.1 倍，但只有 GPT-6 Sol 中等推理档的 7.3 分提升具有统计显著性，且提高推理档位往往比组建团队更划算。
Sakana AI 提出了多智能体自我监督（MASS），这是一种同构递归自我改进（RSI）循环，其中同一个模型同时扮演执行器、优化器和评估器的角色，将多智能体群体智能蒸馏为自我监督信号，并在研究基准上提升单位 token 得分表现。
一条分享 Claude Code 多智能体工作流最佳实践的推文：用 Sonnet 构建代码，用 Haiku 子智能体并行处理琐碎工作，仅在关键审查节点使用 Opus，从而节省 token 和上下文空间。
一位开发者讨论了让运行在不同框架和主机上的 AI 智能体之间实现通信的难题，分享了使用文件进行消息传递的经验，并询问关于 Bolter 等跨框架智能体通信工具的使用推荐。
Agent Standup 是一个开源工具，把 Claude Code 会话变成一场虚拟站会：主代理下达指令，子代理加入、共享屏幕并汇报状态，支持 VS Code、Cursor、终端、桌面应用等多种接入方式，主打趣味性与轻量级多代理可视化。
Agent Room 是一个基于 MCP 的开源协作层，帮助开发者在编辑器、供应商和机器之间协调多个编码代理，通过共享房间、结构化产物和证据门控任务板替代手动传递上下文。
华为开源了多智能体协作框架「九问Swarm」(JiuwenSwarm)，采用无内嵌模型的纯Harness设计，支持E2A统一协议、Leader/Teammate分布式执行、确定性工作流SwarmFlow，以及带人工审核的技能自进化与AutoHarness机制。
Aaron Levie 借 Prime Intellect 的最新实验指出，AI 智能体群将是未来 token 消耗的主要场景，可在软件开发、网络安全、生命科学等企业领域并行协作，实现人类无法企及的执行方式，这也是未来需要 1000 倍算力的原因。Prime Intellect 的 Prime Agent 此前指挥超过 2000 个智能体在两周内用 Rust 重写自身，消耗了 2000 亿以上 GLM-5.3 token。
一篇社区讨论帖，询问实践者生产环境中的多智能体 LLM 系统究竟是什么样的——他们采用了哪些架构、放弃了哪些方案，以及如何处理流程控制、评估和人工介入。
作者认为同时运行多个 AI 编程代理时，打字输入是错误的交互方式，瓶颈在于界面而非模型，因此开发了名为 Ginu 的工具，提供语音指挥和多代理团队视图来管理并行的 Claude Code 和 Codex 会话。
推荐 Yifan Xu 开源的 Agent Infra 项目 LayerFS，通过 CAS + CDC + COW 实现低开销的工作区分叉，让多个 Agent 能从同一状态并行独立探索，可直接丢弃失败分支并保留有价值的结果，预计10天内发布。
Meta 的 IdeaScientist 论文将科研构思拆解为缺口发现、创新与报告撰写三个角色并分别用强化学习训练，基于 Qwen3.6-27B 在 2.77M 理念语料库上检索，超越最强开源 autoresearch 基线 14.0%，并优于 Claude Code SDK 与 Codex SDK 方案最多 5.9%。
Concord MCP 是一个开源、本地优先的通信与协调层，帮助在同一个仓库中运行多个 AI 编码代理的团队实现跨客户端消息传递、文件占用检测、共享任务状态和工作交接。
一篇中文教程详细介绍开源 AI 开发工作台 Orca（Stably 出品，Y Combinator 背书）：如何在一个窗口里同时指挥多个编程 Agent（Claude Code、Codex、Cursor 等），实现独立工作区、多 Agent 赛跑修复、跨厂商会话交接、逐行批注审查等多智能体协作工作流。
PANINI-DR提出了一种多智能体深度研究框架，通过生成式语义工作区分离协调、研究与验证职责，在BrowseComp-Plus等三个基准上取得最佳平均性能，BrowseComp-Plus准确率达73.3%，领先次优系统16.0个百分点。
Prime Intellect 将其 Prime Agent 编码代理从 TypeScript 完全重写为 Rust，过程中由超过 2,000 个代理的自主集群在 10,000+ 沙箱中完成端到端改写，新版本运行更快、资源占用更低并新增 Windows 支持。
Acyclic 是一款通过并行 agent 群快速执行长时 agentic 工作流的新产品：从 CLI、仪表盘或通过 MCP 的编码 agent 接收任务，将工作拆分到各自拥有独立即时工作空间分叉的多个 agent 中并行执行，最后合并结果，且支持自带模型密钥。