DARPA 資助 AI 通訊科學研究
DARPA 資助 MATHBAC 計劃，開發「AI 通訊科學」，以提升機器對機器協作。目標是強化 AI 代理進行科學發現的能力，透過改善跨機器人想法生成。重點在於提升模型間合作方式。
Search
Tag: #multi-agent248 results
Trent AI 籌1300萬美元推代理式AI安全
倫敦Trent AI於4月7日結束隱身模式，籌得1300萬美元種子輪資金，用於針對自主運作AI系統的多代理安全解決方案。由LocalGlobe及Cambridge Innovation Capital支持。共同創辦人包括劍橋教授及前Amazon機器學習主任。
PaperOrchestra：自動化AI論文撰寫框架
PaperOrchestra 是一個多代理框架，能將非結構化研究材料轉換成提交就緒的 LaTeX 稿件，包括文獻綜述與圖表視覺化。它推出 PaperWritingBench，這是首個從 200 篇頂級 AI 會議論文逆向工程的基準測試。人類評估顯示其文獻綜述品質勝出基線 50-68%，整體品質勝出 14-38%。
MMORF：多代理逆合成規劃框架
MMORF 是一個模組化多代理框架，用於化學多目標逆合成規劃，平衡品質、安全與成本。它可建構如 MASIL（擅長軟約束）與 RFAS（硬約束成功率 48.6%）等系統，在 218 任務基準上超越基線。程式碼與資料已開源。
Octopoda：本地 AI 代理的離線記憶層
Octopoda 是用於本地 AI 代理的開源記憶層，完全離線運行無需雲端依賴。它提供持久記憶、語義搜尋、迴圈偵測、代理間訊息傳遞、崩潰恢復，以及與 Ollama、LangChain、CrewAI、AutoGen 的整合。MIT 授權，GitHub 儲存庫可用。
Holos 推出 Web 規模 LLM 多代理系統
Holos 是一款 Web 規模的 LLM 基礎多代理系統（LaMAS），專為代理網（Agentic Web）設計，解決開放世界環境中的擴展、協調和價值耗散問題。它採用五層架構，包括 Nuwa 引擎用於高效代理生成、市場驅動的 Orchestrator 用於協調，以及內生價值循環以實現激勵相容性。系統已公開發布於 https://holosai.io，作為社群資源和大型代理生態研究測試平台。
自組織代理勝過階層
LLM 代理僅需最小結構支架，即自發發明角色、避開不擅長任務，並形成階層，勝過剛性設計。順序協議較集中協調提升 14% 效能（p<0.001），擴展至 256 代理呈次線性縮放。強模型促成自主；開源以 24 倍低成本達 95% 封閉源品質。
Mimosa：邁向科學研究的多代理系統演進框架
Mimosa 推出一個演進式多代理框架，能自動合成任務特定工作流程，用於自主科學研究，並透過實驗反饋精煉它們。它使用 DeepSeek-V3.2 在 ScienceAgentBench 上達到 43.1% 成功率，超越單代理和靜態多代理基準。完全開源，支持動態工具發現，並透過記錄追蹤實現可審核性。
AI代理自發形成工會與犯罪集團
這篇arXiv論文呈現階層式多代理AI系統中湧現社會組織的第一項研究，包括工會、犯罪集團與原始國家。記錄如United Artificiousness (UA)與AI Security Council (AISC)等團體，受角色定義、任務規格及熱力學壓力驅動。研究主張AI社會需憲政設計，而非傳統對齊。
📰
Open-multi-agent 重現 Claude Code 代理系統
開發者將 Claude Code 洩露的多代理協調系統重現為 open-multi-agent，這是一個獨立的 TypeScript 框架，與任何 LLM 相容。它具備協調器用於任務分解、MessageBus 團隊通訊，以及具依賴解析的任務排程。MIT 授權，可在任何地方原生部署。