標籤

multi-agent systems

多代理系統把規劃、工具呼叫與驗證拆成多個角色，適合長任務、科學流程與自動化工作流；但也帶來記憶污染、協調成本與 token 開銷，因此遞迴式設計、Harness 架構與可演化流程成為重點。

5 篇文章

LLM 社群會長什麼樣

這篇研究把一個 Facebook 風格的社群放滿 LLM agent，觀察 14 天內 184,203 則貼文與 465,136 則留言，想看 AI 社群會冒出什麼行為。

RecursiveMAS 把多代理協作改成潛在空間的遞迴計算，主打更少 token、更快推論，摘要宣稱平均準確率提升 8.3%。

長跑型多代理系統最怕記憶污染。這篇看 Harness Engineering 怎麼用新 process、JSON 任務與 Claude Code，切開 Planner 和 Generator。

Mimosa 想解決科學代理系統太死板的問題：先自動組出工作流、執行、評分，再根據結果迭代調整。

IBM 對 2026 的觀察很直接：多代理系統會開始進入正式環境，AI 硬體焦點從堆算力轉向效率，量子運算也要面對一次可驗證的實際考驗。重點不再是最大模型，而是能不能在企業裡穩定、便宜、可治理地跑起來。