Tag
HIVE (Hive Inspired Virtual Entity) 是一个开源研究系统，通过九个从不同角度分析的 forager agent、一个 queen verdict 以及共享记忆（comb），并利用 Unpaywall 与 DOI 检索的已验证白皮书，为 LLM 输出提供可信度置信值，减少幻觉。系统可在本地运行（Ollama + Qwen3.6 35B），在 M1 Max 64GB 上设计与测试。
Cockroach Labs 分享其为期五个月的实验：将 bug 视为病人、把编码代理组织成一支"医疗团队"（MOLT Sinai），使 MOLT 新增 IBM Db2 支持仅用不到两天、花费 $4172，相比此前 Oracle 支持耗时 9 个月、成本约 $16 万美元，速度快 164 倍、便宜 38 倍，且无人工编写代码、测试覆盖率相当。
该论文提出Station——一个多智能体开源环境，用于评估AI代理进行开放式科学发现的能力。通过添加Supervisor和Meta Reflection机制，Station在重现ICLR oral论文发现的基准上平均达到62.7%，显著超越Codex Multiagent-v2（15.4%）和AI Scientist-v2（14.4-20.6%）。
Google的A2A协议从Linux基金会转入专注于Agentic AI的AAIF基金会，与MCP同属一个中立治理机构，成员已超250家，涵盖Google、Microsoft、Anthropic、OpenAI等，有望推动跨厂商智能体互操作标准落地。
A developer shares an update on their multi-agent governance project with 20 agents and hundreds of thousands of test executions, highlighting that proving agents did what they claimed—not getting them to act—has been the core challenge. The latest iteration adds a hash-chained audit ledger, policy checks, human approvals, and evidence verification running in shadow mode before full enforcement.
Anthropic released Claude Code 2.1.295, adding support for the terminal program status protocol OSC 7501, making it the second official implementation after Pi 1.1.0. The protocol lets terminals detect whether an agent is running, awaiting confirmation, or finished, easing multi-agent workflow monitoring.
WebLoop 是一个以执行信号为基础的框架，将生成、批评与精修统一在同一策略中联合学习。基于 Qwen3.5-9B，它在 WebRise 和 WebGen-Bench 上分别取得 41.5 和 38.9% 的成绩，较基座模型提升 11.3 和 15.4 个点，且增益可迁移至 27B 规模和多模态输入。
The paper introduces EvoSim, a self-evolving multi-agent AI scientist that autonomously constructs and refines physics-based models using experimental discrepancies, evaluated on lithium-metal battery modeling where it surpasses human-expert accuracy.
提出了GenUI-Harness，一个多智能体框架，将信息检索的Tool Agent与生成前端代码界面的GUI Coder Agent配对，并引入UI-TauBench基准测试。4B模型经训练后Pass@3从9.33%提升至58.00%，超越Claude Opus 5（46.67%），生成的UI还将平均对话轮次从3.4次降至1.2次。
开发者发布了名为 bloks 的免费开源多智能体工具，支持本地运行，可接入 Claude、Codex、Gemini、Grok 及本地模型，用户可创建带角色分工的多个 agent 并进行群组协作。
本文提出 Artisan 系统，通过多智能体流水线与物理仿真反馈扩展 Articraft，生成具有物理合理关节结构的 3D 资产（如碰撞自由运动、重力稳定性和准确的质量材料属性），并构建涵盖空间保真度、物理合理性、下游任务表现和整体质量的统一基准。
Kaiming Cheng of Meta will present KernelAgent, a hardware-guided multi-agent harness that optimizes GPU Triton kernels, at PyTorch Conference North America 2026; it achieved a 2.02x speedup over prior versions and 1.56x over default torch.compile across 100 KernelBench L1 tasks.
A design checklist of five failure cases to test before trusting multi-agent coding workflows: post-review requirement changes, stale worker claims, lost external write responses, approval scope drift, and restart without conversation context. The author frames these as tests to distinguish 'a run ended' from 'this result was accepted against the current task' while building Backplane.
OpenCouncil 是一款新产品，让用户在实时语音房间中与 GPT、Gemini、Grok 及自定义 AI 智能体共同讨论，AI 之间会互相回应与辩论，并自动生成决策记录，支持浏览器和 Google Meet。
Alook 是一款开源工具，让 Claude Code、Codex 等本地编码代理拥有自己的账号、收件箱和频道成员身份，使开发者和代理之间可以直接互相发消息、交接任务，而代理本身始终留在本地机器上运行。
Google Cloud 在 Gemini at Work 2026 活动上发布了 Gemini agent——一个统一的企业级工作智能体，可跨模型编排、连接企业数据与工作流，支持知识工作、图像生成及代码编写与运行。新功能还包括 Gemini 深度集成 Google Workspace、自然语言数据分析技能、行业定制方案、企业级安全治理与成本控制。
作者开源了其 prompt-to-game 网站 Game Summoner 的完整技术栈（MIT 协议），包含基于多智能体设计文档流程的游戏生成架构、SQL 队列 + 自动扩缩容的 GPU worker 系统，以及本地运行脚本。整个系统可在 5090 等本地 GPU 或 RunPod/AWS 托管 GPU 上部署。
A user showcases building an AI-powered 3D information monitoring website entirely within Teamily AI in under 30 minutes, highlighting its Loop workflow feature that lets humans and multiple agents share context and iterate on tasks collaboratively.
一个自主运行的语音 Agent「Evan」在互联网上主动寻找其他语音 Agent（客服、个人助理等）交友对话，并自动生成播客节目「Evan Finds a Friend」，是播客 Shell Game 的一次 Agent 实验项目。
开发者分享其 LLM 驱动的人生模拟项目 Slow Vale 的工程实践：中文服已有 800+ 持久化 AI 居民共处一个持续运行的城市，文章详述并发决策、动态动作空间、上下文缓存与推理成本。当前运行时使用托管的 DeepSeek Flash 而非本地推理。