工业推荐系统长程自主模型研究：AgentX-Model 双智能体框架
🧭 Agent 多智体协作优化 ★ 深度解读
Kuaishou
双智能体分隔提案规划与实验执行，以四类研究动作持续迭代推荐模型，实现工业场景长程自主研究
📌 工作参考价值（5 点）
- 可采用「提案规划 Agent + 实验执行 Agent」双上下文隔离：Research Agent 只看摘要、diff、测量汇总，不加载全部训练日志；Model Agent 专注代码与训练调试。适合把已有实验平台改造成长程自动迭代。
- 实验归档必须保存每轮最佳实现而非只存最后版本：业务中 48% 的多轮实验最后轮低于中间最佳；保留 round-specific diff、evaluation context 和诊断观察，可让后续实验直接复用最佳起点。
- 评估要同时报告 business baseline、direct parent、strongest ancestor 三个增量，避免把继承上游增益误判为新方案贡献；对推荐模型迭代平台尤其重要。
- 任务调度先用固定轮转（Reproduce/Follow-up/Composition/Diagnose）+ Agent 候选选择即可，复杂 Bandit/Joint 不一定带来稳定效率提升；工程上可先落地简单规则。
- 业务校准问题（如广告 PCOC 偏差）应先做 Diagnose 实验收集证据，再设计修复，不要直接调大损失权重；论文实验显示通过统计校正因子可降低 22% 以上误差且保留排序增益。
开放世界多智能体环境中的自主数学发现
🧭 多智能体开放世界协作与知识累积
DualverseAI · University of Cambridge · University of Hong Kong · University of California San Diego
在无中心协调的多智能体开放环境中，AI 智能体自主协作完成多项数学发现并产出可解释定理与分析
📌 工作参考价值（4 点）
- 共享文献库机制：多个 LLM 智能体异步贡献和引用彼此的中间结果，形成可累积的知识库。在电商推荐/广告场景中，可让多个 Agent 分别探索不同用户群或商品类目的策略，通过共享“发现日志”避免重复试错，加速全局优化。
- 无中心协调的自组织协作：不依赖固定流水线或中央调度器，智能体自主选择研究方向。适合动态变化的业务环境（如大促、季节性选品），可部署多个并行探索 Agent，根据实时数据自主调整目标，减少人工编排成本。
- 可解释性要求：智能体不仅输出数值结果，还生成定理和分析，使产出可被人类理解。在生成式推荐或 Agent 决策中，强制输出结构化推理过程而非仅最终答案，便于业务方审计、验证和信任模型决策。
- 完整交互日志与验证代码开放：透明记录所有智能体对话和决策轨迹，有利于调试和回溯。线上推荐 Agent 系统应记录每一轮多智能体交互、中间产物和最终采纳理由，形成可审计的“决策链”，支撑后续评估与合规。
AutoResearch：洞察进入，幻觉排除
🧭 多智能体科研自动化与幻觉抑制
Infinite Evolution Lab, EvoMap
两阶段自主研究系统，用多模型交叉评审和证据驱动执行减少科研幻觉，RSICD Recall 提升至 34.69
📌 工作参考价值（4 点）
- 策略自动化实验的“生成-执行分离”：将 idea 生成与实验执行拆成两个阶段，生成侧用多模型交叉评审过滤低质量方向，执行侧用独立证据审核把关，可迁移到电商推荐策略的离线实验管理，降低错误策略直接上线的风险。
- 证据驱动 continue/revise/terminate 决策：设置审计事件计数与效果基线，当指标不达标或 issue event 增多时自动回退/终止。适合 Agent 自动化调参、策略探索等场景，避免在无收益方向浪费算力。
- 跨模型生成 + cross-review 降低幻觉：在 query 推荐、push 文案等生成任务中，可用多个 LLM 生成候选并交叉评审，只保留有领域知识支撑的结果，减少无根据推荐。
- 实验分解为可迭代子任务并逐一验收：将复杂实验拆解为实现、诊断、验证步骤，每个步骤设置独立验收，能提升推荐系统离线实验的可复现性和可追溯性。
全能科学家：全模态全学科AI科学家
🧭 自主科研多代理 · 多模态感知
National University of Singapore · University of Oxford
端到端多模态AI科学家，从原始异构证据直接完成研究全流程，感知层让论文质量显著提升
📌 工作参考价值（4 点）
- 在推荐/搜索Agent中，让LLM直接感知原始多模态证据（商品图、视频、音频、评论原声）而非只接收预计算标量特征，可以保留空间/时间/跨通道关系，提升推荐解释或商品描述的事实一致性。
- 采用“ideation-experiment-writeup”三代理分工结合确定性管道，把生成任务拆为提案、执行、总结，可迁移到自动化选品、广告文案实验、营销报告生成等场景。
- 借鉴“idea/rigour/claim checks”代码执行校验：对LLM生成的推荐文案、结论做可执行验证，例如数值引用检查、统计显著性检查，增强输出可信度和可追溯性。
- 感知层与代理解耦的设计，便于在商品知识图谱构建、多模态商品理解等业务中逐步引入多模态原始数据。
通过假设树精化实现通用自主研究框架
🧭 自主研究 · 假设树精化 · 分层 Agent 协作 ★ 深度解读
Renmin University of China · Microsoft Research
提出 Arbor 框架，用持久协调器与孤立执行器配合假设树精化，把长期研究转化为累积性探索与验证
📌 工作参考价值（4 点）
- 复杂 Agent 任务的持久状态管理：Arbor 将多步探索组织成一棵假设树，每次实验的结论和约束向上抽象传播，可以作为电商/推荐场景中连续 A/B 实验、策略迭代的状态记忆方案，避免仅靠对话历史丢失关键因果。
- 分层决策与隔离执行：Coordinator 负责全局策略与树更新，Executor 在独立 worktree 中实现单条假设并返回结构化证据。这种分离可用于多智体商品选品 / 生成式推荐流程——策略 Agent 规划方向，执行 Agent 独立测试文案或召回路线，结果写回共享记忆，隔离失败污染。
- 基于证据的搜索前沿控制：树的 Select/Prune/Merge 决策不只看指标，还结合祖先洞察、兄弟节点结果，类似多臂 Bandit 的树形版本。在自动化推荐排序策略搜索或 prompt 工程中，可借鉴这种结构化探索，利用失败实验反向约束后续假设生成。
- “开发-测试”门控防止过拟合：Arbor 严格区分开发反馈与最终准入，只有提升 held-out 评估的候选才被合并。做离线推荐算法优化时可复用此思想：将历史数据切分为探索集和验证集，避免代理在开发集上投机取巧，保证线上泛化。
AutoResearchClaw：自我强化的多智能体自主研究与人机协作
🧭 多智能体自主科研管线与人机协作
UNC-Chapel Hill · UC Santa Cruz · Carnegie Mellon University · NUS · UC Berkeley
多智能体自主研究管线，通过辩论、自修复、交叉运行演化等机制，在ARC-Bench上超越AI Scientist v2 54.7%
📌 工作参考价值（4 点）
- 多智能体辩论机制：用于电商推荐系统中的创意评估或策略生成，多个专业Agent从不同角度（如合规、新颖性、业务指标）辩论和打分，提升输出可靠性。
- 自修复执行循环：在Agent工作流（如商品知识图谱更新、营销文案生成）中引入 Pivot/Refine 决策，将执行失败（如API错误、数据缺失）转化为结构化信息，自动尝试修复或优雅降级。
- 人机协作干预模式：7种干预模式（从全自动到逐步监督）的消融实验表明，在关键决策点（高杠杆点）进行精准人工干预能取得比全自动或过度监督更好的效果，可用于设计电商Agent的控制面板，让运营在关键环节介入。
- 跨运行演化记忆：将历史错误转化为未来防护规则（类似让推荐Agent记住哪些商品搭配曾导致差评，避免再次推荐），可作为长期运行的生成式推荐Agent的经验积累机制。