👥 Multi-Agent¶

🧠 NeurIPS2026 · 4 篇论文解读

🔥 高频主题： Agent ×2 · LLM ×2

AgentGrad: Intervention-guided Prompt Optimization for Multi Agent Systems: AgentGrad 用单智能体干预寻找可修复失败的提示，以干预前后的中间输出差异提取文本梯度，再按共同纠错模式聚类与抽象；GPT-5-mini 五项任务平均较未优化提示提高 11.76 个百分点，但部分性能和成本概括需以表格中的例外为准。
DAGent: Evaluate-then-Grow Planning for Deep Research Agents: DAGent 让规划智能体先评估已完成子任务、再增量扩展研究 DAG，并用分层证据传递与 DAGRPO 结构奖励改进执行：无训练 Qwen3-32B 在三个基准上达到 47.3 / 55.3 / 65.0 Pass@1，比同架构先规划后修补变体高 5.3 / 4.8 / 4.0 个百分点。
Measuring Collapse and Correction in Homogeneous-Panel LLM Debate: 本文将同一模型的三智能体辩论拆成保留正确、坍塌、纠错与未修复四类转移，结合辩论前筛查和逐轮轨迹定位风险；但离线冻结回放在阻止 29 次坍塌的同时丢失 108 次纠错，说明风险信号不等于有效控制策略。
XBridge: Entity-Grounded Latent Bridge for Heterogeneous LLM Communication: XBridge 用确定性词汇锚点映射传递完整上下文 token，再用成对训练的交叉注意力桥读取发送者隐状态，在三个异构模型配对的七项任务上均优于 128-token 文本摘要通信，并在指定 H200 测试中把单样本延迟从 1.70 秒降至 0.15 秒。