标签
CodeAF 是一款为开源模型设计的编程框架,旨在以极低成本实现接近前沿水平的编程性能,并提供统一界面来管理和监控跨项目的多个编程智能体。
Meta 与华盛顿大学的一篇论文提出了 Context Language Models(CLMs,上下文语言模型),智能体将自身上下文视为一个可通过 Bash 管理和编辑的文件。零样本和 RL 训练的变体在 BrowseComp-Plus 与多智能体任务上以更少的 FLOPs 获得更高的准确率,此外还提出了一种 Suffix Cache Reuse 技巧来抵消缓存失效的成本。
多个团队各自独立构建了 AI 智能体,每个智能体在同一个客户账户上维护着各自孤立的记忆,导致在续约时出现相互冲突的操作。解决办法是将账户历史统一存入一个共享的实时存储——DevRev's Computer,并与 HubSpot、Gmail 和 Slack 同步——所有智能体通过 MCP 访问它。
Chang Gao Wei 分享了一份技术白皮书,介绍了 Agent Network Protocol(ANP),这是一项旨在实现 AI Agent 之间网络互联与互操作性的协议设计。
Orgtree v3.0.0,一款开源的可视化智能体编排工具,现已发布,带来了重大的性能改造:用并行化的内嵌 PostgreSQL 存储模型取代 SQLite,此外还支持多窗口和全新的“注意力视图”,可让数千个智能体并发运行,动作响应低于 100 毫秒。
一条关于在 Agentic Web 中应当分离"代理身份"与"权限"的推文:代理的 `did:wba` 用来标识**是谁**执行了操作,而由人类签名的可撤销凭证则说明**为什么**它可以执行该操作。 这场讨论还链接到了开源项目 **Agent Network Protocol (ANP)**——一套旨在成为 Agentic Web 之 "HTTP" 的协议族。
本文提出了一种针对多LLM协作的9种模型选择算法的分类体系,研究表明,在数学、编程、问答和推理任务中,基于能力感知的选择策略相比随机或启发式的团队组建方式,性能提升最高可达36.1%。
Google Cloud AI Research 推出了 AIM(Agentic Idea Manager),这是一个以想法为驱动的自动化研究自主框架。它采用 Agentic Surrogate 和 Agentic Acquisition(灵感来自贝叶斯优化)来组织和筛选研究想法,并通过 Solution Auditor 和 Resource Planner 维持想法与解决方案的一致性以及分配实验预算。AIM 的表现最多比最强的 AutoLab 基线高出 4.9 个百分点,并且最高可提前 3.1 倍达到基线性能。
AgSpec 是一个检索式推测解码框架,通过从会话、工作区和全局语料中检索草稿并动态调整草稿长度,在多智能体编码基准上实现了最高 4.37 倍(batch size 1)和 4.76 倍(batch size 16)的生成吞吐提升,优于五种现有检索式草稿器和 EAGLE-3。
论文提出了 InFlowOp,一种免标签的多智能体 LLM 工作流构建与优化方法:它用统一成本为每个智能体分配定价,在智能体能力与执行成本之间取得平衡;同时引入 Braid 基准,用于评估工作流级别的多智能体协作能力。在多个领域和不同骨干模型上,InFlowOp 相比单智能体基线最高提升 11.97%,在流内优化中实现 9.64% 的增益。
Miles Brundage 评论称,超高速 AI 模型会迅速耗尽算力预算,凸显了免费用户、付费订阅者以及少数拥有海量算力的实验室之间日益扩大的差距。
一个名为 headcount 的开源项目构建了一家 AI 智能体公司,包含 16 个部门和 172 项专业技能,可运行在 Claude Code、ChatGPT 和 Codex 中,并可作为独立插件安装。
OpenHands 正在探索智能体软件开发的未来:让专职智能体贯穿整个 SDLC(软件开发生命周期)协同工作,并与开发者现有的编码工具并行使用,同时强调在智能体使用规模扩大时保持开放性和成本效率。
Lloyal 是一款开发者工具,可将开源权重模型转化为可下载的 AI 应用,内置推理引擎、多智能体运行时并支持离线运行,让用户无需 API 密钥即可将应用发布到桌面端、网页端或终端。
一位开发者向社区求助,希望获得经过生产验证的架构方案,用于构建能够基于自然语言请求在 SaaS 平台内执行操作的 AI Agent,涉及 Agent 结构、工具暴露、认证、错误处理、幂等性以及人工确认等关键问题。
LangChain 发布了关于将 AI 智能体从孤立实验扩展到企业生产环境的新指南,汇集了 Schneider Electric、Vodafone 和 monday.com 在共享智能体平台、LLMOps、可观测性、多智能体架构、安全与数据驻留等方面的经验教训。
来自MIT、卡内基梅隆大学、纽约大学和斯坦福大学的研究人员开发出一款AI,它以压倒性优势击败了顶级人类Stratego玩家,采用的高效训练方法比DeepMind等先前方案便宜得多。该系统发表于《自然》杂志,可推广到其他策略类游戏,有望辅助现实世界中不确定性下的决策,如商业谈判和网络安全。
作者通过为多智能体系统添加项目级共享记忆层,使编排器读取状态摘要而非每次重放完整历史,token 支出从约 580 美元/月降至约 260 美元/月,并消除了多个工作智能体重复劳动的问题。
Garry Tan 赞扬 Capy,它能实现编码代理之间的自动协调,避免在相同的代码路径上产生冲突的修改,无需额外的编排工作。
一位独立开发者构建了sudo-trade,一个约7000行Python的多智能体交易系统:多头和空头LLM智能体先对每只股票进行辩论,再由组合经理智能体做出决策。通过仅将辩论路由至Claude Opus,并使用免费的量化初筛,一整个交易日的483次辩论仅花费$0.87。模拟结果显示10天内取得了强劲收益,但作者提醒成交中不含滑点。