# 多智能体系统

多智能体系统的自动设计此前多在任务层面进行，为整个基准优化一套固定工作流并统一套用到所有查询。OOPMAS把设计粒度降到单条查询：冻结的大模型作为元智能体，先按查询生成带角色、工具和持久状态的对象式智能体，再生成可执行的主函数工作流，并用动态技能库从执行反馈中积累结构化经验、无需梯度更新。在混合代码、数学与问答的基准上，OOPMAS取得89.6%总体准确率，比最强基线ADAS高18.1个百分点。

多智能体系统的自动设计此前多在任务层面进行，为整个基准优化一套固定工作流并统一套用到所有查询。OOPMAS把设计粒度降到单条查询：冻结的大模型作为元智能体，先按查询生成带角色、工具和持久状态的对象式智能体，再生成可执行的主函数工作流，并用动态技能库从执行反馈中积累结构化经验、无需梯度更新。在混合代码、数学与问答的基准上，OOPMAS取得89.6%总体准确率，比最强基线ADAS高18.1个百分点。

蛋白质基础模型要落到某个实验室的具体测定上，通常得先做一次昂贵且容易失败的适配，而现有智能体把微调当成可靠的工具调用，可行性靠估计、不可行往往在算力花掉后才发现。CAPO把适配改写成带闸门的决策问题：在目标加速器上实测可行性、按预算做成本准入、在真实训练循环里跑200步金丝雀，并允许系统拒绝负担不起的方案。同一套未改动的系统在三个蛋白质任务上分别选择了部分微调ESM-2 8M、拒绝微调Boltz-2改用冻结表征上的校准头、以及对ESM-2 150M做秩4低秩适配。

蛋白质基础模型要落到某个实验室的具体测定上，通常得先做一次昂贵且容易失败的适配，而现有智能体把微调当成可靠的工具调用，可行性靠估计、不可行往往在算力花掉后才发现。CAPO把适配改写成带闸门的决策问题：在目标加速器上实测可行性、按预算做成本准入、在真实训练循环里跑200步金丝雀，并允许系统拒绝负担不起的方案。同一套未改动的系统在三个蛋白质任务上分别选择了部分微调ESM-2 8M、拒绝微调Boltz-2改用冻结表征上的校准头、以及对ESM-2 150M做秩4低秩适配。

边缘AI应用开发长期依赖开发者手工编排固定智能体流程，难以应对异构数据模态与多样任务管线。SE2把开发拆成检索、推理、编码、测试四种原子操作，由协调智能体依据当前上下文自主选择下一步，并通过移动端运行时反馈与强化微调持续进化。在IoTBench基准和三个多模态边缘AI应用上，其合成程序相比八个先进基线最高提升26%准确率、降低28%资源消耗。

边缘AI应用开发长期依赖开发者手工编排固定智能体流程，难以应对异构数据模态与多样任务管线。SE2把开发拆成检索、推理、编码、测试四种原子操作，由协调智能体依据当前上下文自主选择下一步，并通过移动端运行时反馈与强化微调持续进化。在IoTBench基准和三个多模态边缘AI应用上，其合成程序相比八个先进基线最高提升26%准确率、降低28%资源消耗。

一个由大语言模型智能体分工协作的自主实验室，在金刚石氮-空位色心自旋系综上研究“预测任意相位控制微波脉冲序列响应所需的最少校准次数”。主智能体把原先91次的上界收紧为10次的精确最小值；首次实验虽满足全部十项预设精度判据，却因相位与参考对照失败被判为不确定，智能体在不放宽判据的前提下修改采集协议，最终测量支持理论预测，而两种插值方法预测为零。

一个由大语言模型智能体分工协作的自主实验室，在金刚石氮-空位色心自旋系综上研究“预测任意相位控制微波脉冲序列响应所需的最少校准次数”。主智能体把原先91次的上界收紧为10次的精确最小值；首次实验虽满足全部十项预设精度判据，却因相位与参考对照失败被判为不确定，智能体在不放宽判据的前提下修改采集协议，最终测量支持理论预测，而两种插值方法预测为零。

编码智能体团队在从零重建程序的任务上普遍强于单个智能体，但花费是单个智能体的四到七倍。一项在ProgramBench两百个程序上的受控实验显示，把便宜模型只放在探索与规划阶段，能在比全强模型、全阶段委派团队低约八成成本下把成绩差距控制在2.7分以内，因为这类任务真正的瓶颈是弄清原程序的行为。

编码智能体团队在从零重建程序的任务上普遍强于单个智能体，但花费是单个智能体的四到七倍。一项在ProgramBench两百个程序上的受控实验显示，把便宜模型只放在探索与规划阶段，能在比全强模型、全阶段委派团队低约八成成本下把成绩差距控制在2.7分以内，因为这类任务真正的瓶颈是弄清原程序的行为。

可验证奖励强化学习（RLVR）在任务难度突然超过模型能力时，整批采样轨迹全部失败、奖励全为零，学习信号随之消失。MENTOR把这类失败轨迹保留下来，由多个智能体实时诊断错误根源并生成针对性教学提示，再拼回原题重新采样。在数学与代码生成任务上，它优于GRPO、DAPO及静态提示库等基线，Llama-3.2-3B-Instruct数学平均相对提升最高达78.3%。

可验证奖励强化学习（RLVR）在任务难度突然超过模型能力时，整批采样轨迹全部失败、奖励全为零，学习信号随之消失。MENTOR把这类失败轨迹保留下来，由多个智能体实时诊断错误根源并生成针对性教学提示，再拼回原题重新采样。在数学与代码生成任务上，它优于GRPO、DAPO及静态提示库等基线，Llama-3.2-3B-Instruct数学平均相对提升最高达78.3%。

该工作提出 MEA 多智能体框架：Proposer 智能体按问题与模态选择并配置解释工具，Actor 智能体以忠实度为奖励端到端优化，将输出转为自然语言解释；作者同时引入覆盖特征归因、反事实推理与虚假特征检测的问题类型及基于扰动的忠实度指标，发现前沿大模型会系统性地给出不忠实解释，而 MEA 在六个数据集上优于事后解释器、智能体与闭源基线，相对未训练主干在表格、文本、视觉上分别取得 +28%、+21%、+34% 的忠实度增益。

该工作提出 MEA 多智能体框架：Proposer 智能体按问题与模态选择并配置解释工具，Actor 智能体以忠实度为奖励端到端优化，将输出转为自然语言解释；作者同时引入覆盖特征归因、反事实推理与虚假特征检测的问题类型及基于扰动的忠实度指标，发现前沿大模型会系统性地给出不忠实解释，而 MEA 在六个数据集上优于事后解释器、智能体与闭源基线，相对未训练主干在表格、文本、视觉上分别取得 +28%、+21%、+34% 的忠实度增益。

作者提出 LATHE 几何工具包，把键长、键角、二面角、配位环境、晶格参数、晶胞体积与空间群七类晶体学性质表达为可微目标，从而对给定晶体结构做直接几何编辑；单性质基准上七类约束均接近完全满足且优化结构接近局部能量极小，配套智能体把超过 87.5% 的自然语言提示转成可执行配置，在带隙逆向设计案例中十次独立运行有九次进入目标容差窗口，典型代价为十三轮假设—评估循环。

作者提出 LATHE 几何工具包，把键长、键角、二面角、配位环境、晶格参数、晶胞体积与空间群七类晶体学性质表达为可微目标，从而对给定晶体结构做直接几何编辑；单性质基准上七类约束均接近完全满足且优化结构接近局部能量极小，配套智能体把超过 87.5% 的自然语言提示转成可执行配置，在带隙逆向设计案例中十次独立运行有九次进入目标容差窗口，典型代价为十三轮假设—评估循环。