作者—审阅者循环以约三分之一成本完成与多智能体工作流相当的MCFM Fortran到C++翻译
该工作提出一套人机协作的智能体工作流，由领域专家撰写规范与计划、智能体在确定性编排下生成代码，每个阶段以对参考代码的数值比对和人工批准收尾；在MCFM从Fortran到C++的翻译任务上运行十四次实验，一个带强制限制的简单作者—审阅者循环完成了与多智能体工作流相当数量的文件，而每个文件成本约为其三分之一。
InFlowOp 用一套无标签成本同时决定任务拆分与故障修复，在 Braid 上比单智能体最高提升 11.97%
该工作提出 InFlowOp，用一套无需标签的成本（智能体能力与子任务需求的匹配程度，对比该智能体的运行开销）在执行前双向决定任务分解粒度与智能体分配、在执行中定位并就地修复故障，并配套提出要求多智能体协作的 Braid 基准，在八个领域、六个骨干模型上相对单智能体基线最高提升 11.97%，其中在流内优化带来 9.64%。
FloWright 把工作流当作训练场：让多个角色共同进化，小模型在文档、幻灯片、图表、代码、数学与金融任务上最高提升 7.41%
该工作提出 FloWright，把工作流本身当作“训练场”，用分层且结构感知的奖励把工作流的单一稀疏结果分解到各个角色，使一个角色可自我进化、两个及以上角色可共同进化，并配套 DataWright 把单智能体能处理的既有数据集硬化成工作流级任务；在文档、幻灯片、图表、代码、数学与金融任务上，用 FloWright 训练的小型开源模型性能最高提升 7.41%，共同进化（+5.03%）优于只优化单一角色（+2.83%）。
团队用多智能体技能把24个TileGym算子从cuTile Python/Triton-TileIR移植到cuTile Rust，平均达到参考性能的99.5%
该工作构建了一个多智能体AI技能，将cuTile Python与Triton-TileIR编写的GPU tile内核翻译为cuTile Rust，并据此把全部24个公开TileGym算子（约40个内核，覆盖逐元素运算到flash-attention decode、MLA与MoE）移植完成，在NVIDIA DGX B200上以CUPTI设备时间测得几何平均0.995，即平均达到cuTile Python性能的99.5%，且每个阶段都以可机器校验的判定和Tile IR diff把关。
美团LongCat团队用ResearchSpec把深度研究拆成规划、并行分节研究与全局到局部编辑，在三个公开基准上取得55.25、51.35和79.83分
美团LongCat团队提出LongCat-DeepResearch，把深度研究的早期迭代从整篇报告转移到一份可执行的ResearchSpec上：多个规划智能体先检索外部来源并整合出研究计划，各研究智能体在独立上下文中并行调查并撰写带引用的章节，再由Global Editor分配跨章节内容归属、Local Editor做定向修改，系统在DeepResearchBench、DeepResearchBench II和ResearchRubrics上分别取得55.25、51.35和79.83分，在自建基准上以76.04分位列四个对比系统第二。
MES：面向医疗决策的多智能体证据合成系统
该研究提出 MES 这一由六个专门智能体（Supervisor、LiteratureMiner、RWD-Analyst、KG-Specialist、Statistician、SafeChecker）组成的多智能体框架，用于在保留来源可追溯性的前提下整合已发表文献与试验证据、从真实世界数据生成针对具体问题的真实世界证据并查询生物医学知识图谱，并在两个临床用例（匹配文献缺失的阿尔茨海默病用药问题、随机证据不一致的脓毒症休克β受体阻滞剂问题）以及覆盖六类循证医学范畴的144个临床查询上评估，报告显示其能生成保留来源可追溯性、识别跨来源分歧并传达不确定性的结构化报告，且 SafeChecker 在 CliniF
已读完全部报道