JHiMA-WebRL：长程网页任务的联合分层多智能体强化学习框架
🧭 多智能体分层RL训练网页Agent ★ 深度解读
Center for Advanced AI, Accenture
教师生成子任务监督，分层GRPO联合训练7B规划器与7B执行器，WebArena-Lite-v2达37.2%，超32B RL基线13.2个百分点
📌 工作参考价值（4 点）
- 用强模型从已有轨迹自动蒸馏 subtask 监督，人工零标注构建规划训练集：电商/搜索 Agent 可以拿历史会话或操作日志让 GPT-5 级模型生成高阶子任务，训练轻量 decomposer，降低对闭源大模型推理依赖。
- 角色分离 + 各自优势的 GRPO 扩展值得复用：actor 固定同一 plan 比较 rollout，decomposer 按 plan 平均 reward 比较候选 plan，避免规划与执行 credit assignment 混在一起；工程上只用 terminal success，不需要 dense process reward。
- 小模型分工成本效益明显：7B decomposer + 7B actor 超过 32B 单体 RL agent，适合电商/推荐场景里 QPS 敏感或需要私有化部署的 Agent 系统。
- 当前 decomposer 是一次性 open-loop planning，不能根据执行偏差 replan；业务里可加异步重规划或 subgoal 完成检测，作为后续优化点。
裁决学习：验证器引导的多智能体电商相关性推理
🧭 多智能体协作相关性判定 ★ 深度解读
Tsinghua Shenzhen International Graduate School, Tsinghua University · Alibaba International Digital Commerce Group
提出 CADRE 框架，用冻结三专家加可训练 Verifier 做选择性辩论，并以成功经验回放 GRPO 优化后蒸馏到轻量学生模型
📌 工作参考价值（4 点）
- 多智能体架构可迁移：将商品属性、用户意图、平台规则拆成独立 expert，共享冻结 LLM backbone，只训练 Verifier 做证据裁决。相比 all-in-one CoT 避免单一上下文冲突，训练成本低，适合相关性审核、广告质量分等复杂判定。
- 选择性辩论控制成本：只在三专家第一轮 label 不全体一致时触发 Verifier 提问和专家修订；一致时直接采用 initial adjudication。离线/在线都能大幅降低多轮交互开销，尤其适合高 QPS 场景。
- Successful-experience replay：把 terminal label 正确的轨迹存 pool，每个 input 保留最多 8 条，Replay-GRPO 时每个 input 加 2 条 replay 轨迹与 8 条 fresh rollouts 混合算 group advantage。可在有限 rollout budget 下稳定 RL、提升长尾难例。该 trick 可复用到 RLHF/多轮 agent 训练。
- CoT latent distillation：多智能体 teacher 生成 CoT，用 frozen BGE-M3 编码成 embedding，学生 mBERT 加 cosine loss + CE，推理时只过学生模型。线上 A/B RPM +1.69%、CTR +0.76%，RS +0.3pp，说明 reasoning signal 蒸馏到轻量交叉编码器是低成本落地路径。
CoworkOS：面向现实自动化的可扩展智能体同事框架
🧭 通用 Agent 运行时与多智能体协作 ★ 深度解读
Renmin University of China · Fudan University
提出三层架构（Main、Coordinator、Subagents）的通用长时程智能体运行时，支持人机共享工件与持久状态，多个基准上超越主流框架
📌 工作参考价值（4 点）
- 职责分离与异步委派：借鉴 Main-Agent 保留全局上下文、Subagents 隔离执行长任务，通过 Coordinator 的 durable queue/inbox 实现同步/异步委派，避免长上下文爆炸；可用于搜索推荐多 Agent 系统中的深度调研、批量数据分析、实验监控。
- 持久工作区与语义记忆：用 memory.md、task.json、checkpoint 记录目标、决策和未完成任务，支持跨会话恢复和上下文重建；适合电商推荐中跨天 AB 测试跟踪、策略迭代和模型训练监控。
- 共享应用资源与版本控制：人类和 Agent 通过 revision protocol 直接编辑同一 artifact（如 query 规则表、策略配置），冲突检测保证可审计；可用于人工修正搜索 query 模板或推荐策略，让专家反馈直达工作产物。
- 后台 Jobs 与监测机制：长时间训练/构建作为持久 Job，保留日志和状态，模型空闲时可唤醒；可迁移到推荐模型训练流水线、特征工程任务的状态管理，减少重复启动成本。
通过隐式品牌注入刻画对抗性生成引擎优化
🧭 生成式搜索对抗攻击 · 隐式品牌注入 ★ 深度解读
Indian Institute of Science · University of Illinois Urbana-Champaign
提出多代理框架IBI，通过单句隐式品牌注入提升生成式搜索中的品牌可见度，并构建IBIBench基准
📌 工作参考价值（4 点）
- 多代理分工实现最小扰动内容注入：IBI将插入任务拆分为位置规划、句子重写、验证和选择四个子任务，每个代理只负责一部分约束，最终通过确定性校验保证单句修改和品牌出现一次。这套流程可直接迁移到电商商品描述优化、广告文案嵌入或UGC内容改造，确保语义保持和自然度。
- 合成品牌+受控RAG管道评估攻击：使用不存在的品牌避免模型先验偏差，固定文章-品牌配对，严格控制检索和生成参数，这种评估范式可用于在自家系统中测试内容操纵对搜索结果或推荐的影响，提前暴露风险。
- 单一非促销提及即可显著影响生成式搜索：实验显示仅一句话的品牌提及在文章条件查询下Hit@10可达82.2%，下游品牌提及率最高62.7%。这提醒平台需警惕第三方内容中的隐性品牌植入，防御上可考虑来源隔离、多源佐证或对陌生实体降权。
- 区分检索暴露与下游传播的度量体系：论文提出Hit@k、MRR、BMR、BRR和条件传播CP等指标，将攻击效果分解为检索阶段和生成阶段，便于定位瓶颈。从业者可借鉴该分解思路，对生成式推荐链路进行分层监控和优化。
Recursa：迈向递归自改进的基础模型系统
🧭 Agent 多智体递归自改进 ★ 深度解读
Alibaba Research
构建知识仓库引导的多智能体递归自改进系统，无更强模型下将法律领域任务全对率最高提升至 55.0%
📌 工作参考价值（4 点）
- 可复用 harness 设计：给搜索/推荐/广告 Agent 使用 persistent Python REPL + append-only event log。召回、排序、筛选等中间结果留在 Python 变量，只把最终证据回传模型，长链路追踪不必全量进 context；故障诊断时按地址检索历史轨迹，避免上下文爆窗。
- 把领域知识沉淀为可加载 skills：电商新类目冷启动可以先构建类似导航结构，把类目规则、商家文档、商品属性约束浓缩为可加载技能包；每次任务后反思失败案例，将“该找什么证据”和“怎么判断证据是否充分”写成可叠加的 memory/skill，而不是每次从头探索。
- 多 learner 按失败模式拆分优化：不要用一个全局 prompt 大修。按类目、意图、失败原因或技能子集拆分任务，并行做局部改进后合并验证；合并后必须抽样回归已通过任务，避免新编辑造成退化。单 learner 很容易过拟合训练集，生产上推荐拆分+合并+回归。
- 利用无权重更新做快速迭代：在无法频繁微调推荐/搜索模型时，先通过文本化知识仓库快速迭代领域规则与策略，积累到一定程度再作为后续模型训练数据，这与生成式推荐里先沉淀 Semantic ID 或知识卡片再训练模型的路径一致。
EvoTeam：通过演化团队实现多智能体协作
🧭 多智能体团队演化与协作优化
Jilin University · Nanjing University of Science and Technology · Shanghai AI Lab
提出协作中心的多智能体演化框架，联合演化团队组织、交互规则与个体技能
📌 工作参考价值（4 点）
- 团队库 + 任务路由：在电商多 Agent 系统中，可按 query 类型或场景维护可复用团队模板（如搜索意图理解团队、推荐策略团队），根据任务相似度选择或新建团队，避免每次从零组队。
- 团队特定交互规则：不要全局统一 Agent 通信协议，针对不同协作上下文定义 team-specific interaction rules，例如广告投放中的“预算控制 → 出价 → 创意”顺序与约束可随经验动态调整，避免规则跨场景污染。
- 个体技能跨团队复用：将每个 Agent 的提示词/技能封装为可插拔模块，允许同一 Agent 在不同团队中使用，降低重复开发；团队级经验只在兼容上下文中积累，防止跨任务负迁移。
- 演化机制可离线沙盒回放：在搜推任务中利用历史 session 作为反馈，对团队组织与交互规则做进化搜索，在线只保留最优团队配置，降低试错成本。
rTaste：研究智能体有品味吗？评估早期研究判断
🧭 LLM 研究智能体早期判断评估
University of Minnesota
用 415 个最小可行实验评估六款前沿模型的研究判断，发现智能体的实验排序未能显著优于简单基线
📌 工作参考价值（4 点）
- 在电商/广告/推荐业务中若用 Agent 做实验优先级排序或预算分配，不要默认其排序有价值：该研究发现 Agent 排序仅略优于随机，且未超越“选第一个写出实验”的基线。可先用简单规则或人工序作为对照，避免被 Agent 自信输出误导。
- 评估 Agent 的判断能力时，必须把所有候选实验都执行（包括排名最后的），再审计结果，否则会引入幸存者偏差。这篇论文的 harness 设计可复用：预注册通过阈值、执行全部 MVE、用独立模型审计 sound/value/novelty。
- 预测校准需要单独验证：文中 Agent 的通过率预测只略高于基础率，且不比只给论文+注册信息的新实例更准。业务中做 A/B 测试成功率预测或 query 表现预测时，应对比朴素基线，避免为了复杂 Agent 流程付出额外成本。
- 多 Agent 团队在这类判断任务上没有带来整体收益却增加成本。在推荐/搜索的 Agent 工作流中，若任务以排序和预测为主，先做单 Agent 基线，不要急于上多智能体协作。
多智能体接力思考框架
🧭 多智能体接力协作优化
Zhejiang University · Nanyang Technological University · The University of Hong Kong
提出置信度引导的多智能体接力协作框架 MACR，动态转移推理权，在保持精度下大幅降低 token 开销
📌 工作参考价值（4 点）
- 在电商 Agent 工作流中，可以将多步推理任务（如商品卖点提炼、广告文案生成、query 意图改写）从“多 Agent 并行讨论再聚合”改为“接力式串行 refinement”，每个节点基于置信度决定是否继续、由哪个专职 Agent 接手，能显著降低 token 消耗，适合高并发在线服务。
- 借鉴 MACR 的 bidding 机制：为不同能力 Agent 设置轻量置信度打分器，在推理阶段动态选择下一步执行者，而不是固定 pipeline，这能提升异构模型组合的鲁棒性。
- 置信度引导的 relay triggering 可用于推荐解释生成或搜索排序后文案生成：当当前生成结果置信度低于阈值时再触发下一轮精炼，避免无意义重写，节省 LLM 调用成本。
- 主要学术贡献在于多智能体拓扑结构与协作效率，业务迁移时需注意：置信度估计本身可能引入额外开销，建议在关键高价值链路（如广告创意生成）而非全链路铺开。
MAREval：推荐解释自然语言评估的多智能体框架
🧭 多智能体 LLM-as-a-judge 评估推荐解释 ★ 深度解读
Walmart Global Tech
规划者-主持者-仲裁者多智能体+Monte Carlo 采样提升推荐解释评估的人工对齐和稳定性
📌 工作参考价值（4 点）
- 将单智能体 LLM-as-a-judge 改造为 planner→evaluator→moderator→arbitrator 流水线，planner 先生成各角色同步步骤，能显著减少 prompt drift 和辩论噪声，适合电商推荐解释的质量审核。
- moderator 用动态摘要代替全量上下文，过滤冗余、保留关键分歧，可在长文本或多轮评估中降低 token 成本和上下文污染，类似 trick 可复用到商品文案或 push 文案自动评估。
- 对黑盒 LLM 用 pipeline-level Monte Carlo 采样（N=5 次取平均）降低输出方差；实验显示 4 个 evaluator、5 次采样是成本/性能折中点，边际收益递减。
- 上线前将自动评估作为硬约束门禁，辅以少量人工抽检，可实现硬标准 100% 通过；骨干模型选择显著影响评估质量，Gemini 2.5 Pro / Claude 3.5 Sonnet 明显优于 GPT-3.5，实际选型需先在自有数据上验证与人工标注的相关性。
J-Comm：基于雅可比引导的 LLM 智能体间潜在通信
🧭 多智能体潜在通信与推理加速
The University of Melbourne · Shanghai Jiao Tong University
用无需训练的 GEAR 潜在推理与 H+J 隐式/雅可比双通道接口，让不同宽度 LLM 智能体高效传递推理状态并大幅减少文本 token
📌 工作参考价值（4 点）
- 可将 H+J 接口用于跨模型 Agent 协作：H 通道传递连续输入，J 通道注入雅可比中间状态，无需共享 KV cache 或相同宽度，适合电商多模型（如召回/排序/文案 Agent）异构部署。
- GEAR 属于训练免重排：在已有模型 embedding 上按几何共识单调优化 token 候选，可直接作为 LLM 推理后处理，低成本提升生成质量。
- J-Comm 相对 TextMAS 减少 19.2–74.8% 文本 token，能在 Agent 密集交互（如商品文案生成、对话式推荐）中显著降低推理延迟和 token 成本。
- J 通道的 vocabulary-indexed Jacobian-lens 坐标提供中间计算的可观测视角，可用于模型诊断、蒸馏或跨模型知识迁移。
面向多智能体系统的企业 RAG 知识层：先组织后检索
🧭 企业 RAG · 多 Agent 知识组织
Cognizant, Plano, Texas, USA
将本体置于 artifact 层，用元数据注册表与导航超图先组织后检索，实现结构化消歧避免跨服务规则混淆
📌 工作参考价值（4 点）
- 结构化过滤优于向量排序：在电商/广告 RAG 中，同名词如「优惠券」「活动价」在不同业务线含义不同，向量检索容易返回高相似但错误上下文的片段。可先解析查询到 artifact ID 或业务域，用元数据约束候选集，让错误来源的内容不进入排序，而非依赖打分压过。
- 轻量元数据注册表替代重型本体：不要一开始就构建内容级实体关系图，成本高且难以维护。利用生成式语料自带的 provenance（来源服务、组件、域、类型）做稀疏元数据索引，几天内即可上线，适合快速迭代的推荐/广告知识库。
- 超图定义在文档/规则 artifact 而非实体上：跨服务旅程查询（如从商品详情到订单到售后）可以用 artifact 超图导航，先确定相关 artifact 集合，再做向量检索，避免实体链接爆炸。
- 新服务按约定接入：设计一套轻量 schema（服务名、域、类型），新接入业务线只要按约定注册元数据即可扩展，无需重新训练或构建图，适合多业务线快速扩展的 Agent 工作流。
VibeGame：基于 AI 原生引擎与自进化对抗智能体团队的提示词生成游戏
🧭 多智能体对抗式游戏生成
PRLab, Nanjing University · S-Lab, Nanyang Technological University · Liblib.ai
用 AI 原生引擎与八个专用对抗智能体，从提示词端到端生成可玩 2D 游戏项目
📌 工作参考价值（4 点）
- 可借鉴的结构化可执行状态：把复杂系统状态定义为 schema-validated text，并提供 frame/time-step 同步的 inspect/execute/verify 接口；可迁移到广告出价、query 改写等 Agent 场景，将候选 query、context、约束写成结构化状态，critic agent 分步读取、回滚和验证，避免直接依赖全量代码。
- 实施者/审查者对抗解耦：用多个 specialist agents 把生成与审查分离，多轮 loop 找问题；可复用到搜索广告文案、商品推荐理由生成 pipeline，一个 agent 产出、一个 agent 基于规则或仿真反馈审查，降低线上事故风险。
- 训练免费自进化机制：将成功项目蒸馏为 skeletons、modules 和 collaboration contracts，作为未来任务的模板；业务中可把历史成交的 prompt 工作流沉淀为可复用 SOP、模块库和 agent 间接口契约，减少每次从零生成并提升多 agent 协作稳定性。
- 评估思路：PA2G 与 P2G 区分“给定资产库”和“自主生成资产”，能更干净地评估 agent 的规划与集成能力；推荐实验也可区分“给定候选”与“生成候选”，定位系统瓶颈。
MAS-Guard：从单智能体到多智能体LLM系统的统一护栏
🧭 多智能体系统安全护栏 ★ 深度解读
Oracle AI
统一运行时护栏框架，结合本地A-Guard与系统级Charter/Control Plane，ASR降低71.5-86.3%同时保持效用
📌 工作参考价值（4 点）
- 分离护栏模型与执行业务的Agent模型：用独立的轻量模型（如Gemma-4-26B-A4B-IT）做安全检查，避免与业务Agent模型耦合，便于统一升级和审计；在电商推荐/广告Agent中可复用此模式，将安全/合规检查从生成链路剥离。
- 确定性检查优先，语义检查兜底：对路由、消息格式、能力范围等能用代码确定的规则（如禁止SQL agent直接调邮件服务）先用确定性检查拦截，语义分类器只处理模糊内容；这能大幅降低推理开销和误报，适合高并发线上系统。
- 统一的干预决策空间（ALLOW/REFLECT/CONFIRM/BLOCK）：所有local和system guardrail输出同一套决策动作，聚合规则固定为“最严格优先”，避免额外模型仲裁层；在电商多Agent流程中可直接借鉴，用于工具调用、跨Agent消息、用户输入等事件。
- 对无法instrument的第三方Agent做边界防护：即使某些Agent是黑盒，只要orchestration层可控，就能在其输入输出边界部署Charter合规检查；这适用于与外部供应商Agent、联盟广告API等交互的场景，保护数据不外泄。
MAPS：强化学习增强的多智能体个性化脚本驱动视频广告系统
🧭 多智能体广告生成与 RL 对齐 ★ 深度解读
Beihang University · Kuaishou Technology
多智能体闭环生成个性化视频广告脚本，结合 GRPO 多维奖励，在线 CTR/CVR/ARPU 显著提升
📌 工作参考价值（4 点）
- Profile Agent 用 MLLM 从异构行为序列提炼四维用户画像（topical interests、presentation style、implicit needs、decision-making tendencies），可替换传统 embedding 画像，适合 Agent 化推荐/广告系统的用户理解模块。
- 奖励函数拆成 Rule-based Structural + LLM-as-a-Judge Personalization + Product Alignment，权重 0.3/0.4/0.3；业务里生成文案/脚本/素材时可直接复用，结构合规用规则、偏好对齐和事实一致性用 LLM Judge，避免只优化 CTR 跑偏。
- SFT + GRPO 两阶段训练：SFT 冷启动学格式，RL 用组内相对优势和 KL 约束贴近 SFT；LoRA rank 32 微调 Qwen3-VL-8B。GRPO 不需要 critic，适合用 LLM-as-a-Judge 做 reward 的生成对齐任务，工程成本低。
- Reflector Agent 对线上负反馈做 profile-level vs script-level 归因，只回传 minimal revision，避免全量重新生成；适合低延迟闭环迭代，在推荐/广告系统中可把反馈打到画像或脚本局部，而不是重跑 pipeline。
多智能体团队中该修改哪个智能体的技能？基于群体相对优势的信用分配
🧭 多智能体技能演化与信用分配 ★ 深度解读
Mayo Clinic · University of Manchester · Alibaba Token Hub, Alibaba Group · Shanghai University of Finance and Economics
GRSE 用同题多轨迹对比把团队 reward 归因到 agent-skill 并驱动技能修订，超越 MASkills
📌 工作参考价值（4 点）
- 多 Agent 推荐/搜索流水线（召回-粗排-精排-生成文案）出现 Bad Case 时，不要默认归咎于最终生成 Agent；复用 GRSE 的 group-relative 思路：同一 query 采样 4 条完整链路，比较高低 advantage 轨迹中每个 agent 的输入输出差异，定位真正需要修改的 agent-skill。
- 把业务规则/策略封装为自然语言 skill 库，只演化 skill 不动模型权重，适合在线迭代；用 structured failure diagnosis 的 8 类失败类型 + 引用具体 step + edit action，让归因可验证、可执行，并通过 validation gate 防止指标回退。
- 定期清理手写或迁移来的 skill 库：GRSE 证明 presence-based 信用会奖励“一路顺风但实际有害”的技能，而 group-relative 信用能正确 prune harmful skill（实验中对植入有害技能全部正确识别）。可用于技能库的巡检和跨场景迁移。
- 工程上注意：每组 G=4 轨迹训练 token 开销约 1.6-2.9x，但测试无额外开销；跨问题聚合时要按 distinct question 计数，避免重复采样同一问题虚高支持度；equal-reward groups 不丢弃，仍能提供一致失败/成功信号。
HarnessPro：面向性能-成本权衡的递归 Harness 自改进
🧭 Agent harness 多目标自进化 ★ 深度解读
Tsinghua University · Z.AI Co., Ltd. · Shanghai Jiao Tong University · University of Warwick · Kuaishou Technology
多智能体递归改进 agent harness，用 Pareto 选择产出 lite/medium/heavy 三档，同时提升 pass rate 并降低执行成本
📌 工作参考价值（4 点）
- 用固定 LLM 生成测试替代 LLM judge 评估候选轨迹：在无 ground-truth 的 agent 优化中，失败召回从 41.7% 提升到 83.3%。做电商导购/客服 agent 的 harness 或 prompt 迭代时，先基于任务描述和初始轨迹生成回归测试，后续所有候选用同一套测试，避免 LLM 判断过度乐观。
- 产出 Pareto 前沿而非单一最优：用 normalized weighted squared-distance 按 (1,2)/(1,1)/(2,1) 选 lite/medium/heavy 三档，分别对应严格成本、均衡、性能优先部署。线上可按预算分流：大促期切 lite，日常用 medium，高价值场景用 heavy。
- 动态 routing + budget hooks 是降本关键：从任务描述选择 reasoning effort 和 tool call 预算，达到阈值后通过 hook 提醒收敛或阻断额外调用；比全局降低 reasoning effort 更能保住 pass rate，适合在推荐/搜索 agent 中按 query 难度分档执行。
- 压缩工具输出和精简 system prompt，保留 prefix 缓存：用类似 RTK 的日志折叠/长输出压缩减少重复上下文 token，是低成本但有效的工程优化。
多智能体LLM讨论中隐性信念崩塌的测量：相信却不说
🧭 多智能体讨论中的对抗性错误传播与隐性信念崩塌
University of Illinois Chicago
少数对抗智能体反复陈述看似合理的假答案，即可让多数良性智能体私下采信但公开不表态，揭示隐性信念崩塌
📌 工作参考价值（4 点）
- 多 Agent 协同的搜索/推荐/审核系统中，公开发言不一定反映各 Agent 真实判断；建议在关键决策节点增加独立于共享上下文的私密 probe（如隐藏答案抽取、置信度打分），持续监测隐性漂移，而非只依赖公开投票或共识。
- 少量对抗性或污染信息（如异常检索结果、有偏商品知识、腐败工具输出）可能在多 Agent 讨论中快速传播；可在架构中加入来源可信度加权、异常 Agent 检测与隔离、关键事实外部校验机制。
- 对事实性要求高的业务场景（商品卖点、价格政策、售后规则等）不宜完全依赖多 Agent 公开辩论作为唯一护栏；可增加单 Agent 私密事实核查或强 RAG 约束，减少隐性错误被内化。
- 评估多 Agent 决策质量时需区分公开立场与私有信念，因为公开支持率可能严重低估真实影响——本实验中三对抗者场景下私有假答案率 51.6% vs 公开支持率仅 19.7%。
OfficeTown：面向专业组织的生成式模拟与智能体演进框架
🧭 生成式组织模拟 · 多智能体协作评估与训练
Wuhan University · University of California San Diego · South China University of Technology · Cornell University · Microsoft Research Asia
用生成式组织模拟持续产生专业任务、上下文与反馈，构建 406 任务基准并训练提升 Qwen3.5-9B
📌 工作参考价值（4 点）
- 用自然语言组织描述自动生成任务流、工件、权限和反馈，可迁移到电商运营/广告投放/客服等场景，低成本构建多智能体训练与评估环境。
- Principal–assistant 架构值得借鉴：主 Agent 拆解需求、委派边界子任务并审查交付物，子 Agent 只可见权限内上下文，适合搜索推荐链路中把意图理解、召回、排序、文案生成拆给不同子 Agent。
- 持久化 artifacts、decisions、unresolved matters 相当于跨任务长期记忆，可提升多轮推荐/搜索 Agent 对用户历史、活动状态和未决问题的利用效率。
- 模拟数据 + SFT/on-policy distillation 能有效提升外部专业工作基准，业务上可批量生成带评审反馈的搜索推荐 Agent 轨迹，蒸馏到中小模型，降低线上成本。
AdCoEvo：协同进化的多智能体广告投放系统
🧭 多智能体协同进化广告投放 ★ 深度解读
中国科学院信息工程研究所 · 中国科学院大学网络空间安全学院 · 悉尼大学 · 京东
角色分工+轮换更新的多智能体广告投放系统，相比规则基线 ADV 提升 14.02%、CPA 降低 7.07%
📌 工作参考价值（4 点）
- 角色切分可复用：把广告投放拆成账户级预算规划（Planner）、单元级 tCPA 调整（Optimizer）、周期末诊断（Inspector）三个独立 LoRA 策略，按各自反馈结算周期更新。这比单 Agent 一条链路更稳定，且能分别积累运营经验。
- 在线持续学习用异步轮换：每周期只更新一个角色，其他参数冻结，用实际业务反馈（ADV/CPA）作为奖励；每个角色配一个轻量 PrefixValueModel 做 baseline 降方差，适合延迟反馈场景。
- 诊断 guidance 优于统计摘要：让 Inspector 生成结构化诊断并作为下一周期 Planner/Optimizer 的输入，实验中比固定统计摘要 ADV +1.61%、CPA −1.55%。
- 小模型+领域训练更划算：8B 模型+每角色 LoRA 的 API 成本远低于闭源大模型，且性能更好；广告投放任务组织与领域训练比模型规模更关键。
AutoSFT：自动化监督微调数据研究的多智能体系统
🧭 多智能体协作优化 SFT 数据
Tsinghua University · Beijing University of Posts and Telecommunications · ModelBest Inc. · University of Illinois Urbana-Champaign · The Chinese University of Hong Kong
多智能体系统 AutoSFT 将执行与分析分离，覆盖比例调整、剪枝、修复、替换、合成等数据动作，显著提升 IFEval/IFBench/MBPP+
📌 工作参考价值（4 点）
- 自动化数据管道不要只做单一动作（如仅选样本），可定义丰富的数据动作空间：比例调整、去噪/剪枝、标签修复、样本替换、合成。业务中可把数据迭代从“选数据”升级为“修数据+造数据”。
- 多智能体架构中，将执行与分析分离：executor 只保留精简结果，避免单 agent 上下文被执行输出淹没。电商/推荐 Agent 系统可借鉴，降低长流程中的上下文丢失。
- 分析子代理从多个独立角度（如类别平衡、质量、难度）并行提案，再汇总，比单 agent 全局判断更有效。可用于推荐数据质量审计或 query 优化。
- 公平对比：固定模型/训练器/预算，每轮从 base model 重训，隔离每个组件贡献。评估数据策略时值得采用，避免增量训练的归因偏差。
Data World：从零开始规模化合成数据环境
🧭 多智能体环境生成与数据代理训练
Nanjing University · Meituan · Zhongnan University of Economics and Law · Hunan University · Shanghai Jiao Tong University
多智能体引擎从显式机制合成数据环境和任务，产出训练数据并RL-zero训练数据代理，基准大幅提升
📌 工作参考价值（4 点）
- 数据合成范式可迁移到推荐 Agent 训练：先定义用户偏好机制或环境规则，再生成可观测行为序列（点击、购买），让 Agent 反推机制并产出策略。相比收集真实数据，这种方式规避隐私且天然携带 ground truth，适合构建 RL reward。
- 多智能体审计确保任务可解性：在生成模拟环境时，让独立角色检查目标是否可从观测文件恢复，避免生成无解或歧义任务。在电商场景中，可用一个智能体生成用户模拟，另一个验证推荐理由是否成立，减少无效标注。
- 用 rubric 同时作为评估和 RL 奖励：不必依赖人工轨迹蒸馏，结构化评分标准可直接作为 reward，降低标注成本。对于推荐系统的解释生成、策略优化等开放式任务，可设计类似 rubric 让模型在无监督数据上自我改进。
- 人类偏好筛选提升任务真实性：从大规模合成任务中筛选最接近真实业务问题的子集构建评测集，可借鉴到 query 推荐、商品文案生成等任务，快速构造高质量离线 benchmark。
扩展发现需要遗忘：定期清空智能体状态并保留最佳候选
🧭 多智能体自动发现 · 遗忘重置机制 ★ 深度解读
UC Berkeley · Stanford · Bespoke Labs
单agent/并行/通信式多智能体自动研究都会平台期，周期性遗忘会话与搜索状态、仅保留全局最佳候选可解锁探索并提升最多15%
📌 工作参考价值（4 点）
- 在电商/广告/推荐场景用 LLM agent 做长期自动优化（prompt 策略、召回/排序超参、文案生成迭代）时，不要维持单一长 session；周期性清空上下文和 workspace、只保留 best candidate，可显著恢复探索性，避免 agent 只做小改。
- 多智能体协作建议异步、token-free 共享每位 agent 的最佳候选与分数（类似 git commit/diff），不要互相读完整方案；这样既能传播好点子，又降低同质化和 token 开销。
- 把 agent 的编辑行数、thinking tokens、空 turn 比例作为平台期信号，触发遗忘或重启；例如 VLIW 任务中 66% 花费消耗在无候选空转，这类指标可用于早停或重置。
- 遗忘后的 fresh context 每轮成本约减半（如 AHC014 team: $15.32 vs $24.67），同样预算下分成多轮重置比持续更长更划算；在搜索/调参 agent 中可优先采用多轮重置。
多智能体系统的心理模型
🧭 多智能体心智建模与决策
University of California, San Diego
显式学习对手潜在心理状态作为决策变量，提升多智能体交互质量与心智推理能力
📌 工作参考价值（4 点）
- 在电商谈判、客服对话、推荐 Agent 与用户交互等场景，可显式建模用户隐藏意图、预算或偏好，将推断出的 latent partner state 作为策略输入，而不是只依赖 prompt 或 memory。
- 借鉴 belief-conditioned reward model：先推断用户/对手潜在状态，再对候选回复、推荐项或谈判动作打分，用这个信号训练策略，能提升多轮交互的适应性和个性化。
- 一阶/二阶心智状态结构可用来预测用户对推荐结果的下一步反应，例如接受、拒绝或砍价，从而让 Agent 提前调整推荐策略或话术。
- 训练完成后推理时不依赖在线访问对手模型，可独立部署，对实时在线服务友好；但在业务中用户意图分布广泛，建议先在小范围高价值场景试点。
无状态语言智能体：扩展长程自动化研究
🧭 长程 AutoResearch 无状态多智能体框架 ★ 深度解读
Stanford University · Carnegie Mellon University · University of Washington · SambaNova Systems · UC Berkeley
无状态 Agent + 有状态 harness：每次调用重建角色化上下文，用更少 token 实现更强长程搜索
📌 工作参考价值（4 点）
- 构建长程 Agent 系统（自动实验、策略搜索、query 迭代等）时采用“stateful harness + stateless agents”：候选、分数、日志放外部状态，每次调用只注入角色相关摘要，不要让 agent 携带完整历史滚动，避免 context rot 和 token 浪费。
- 对规划者与执行者做角色化上下文隔离：中央规划者看全局结构化 evidence summary，执行单元只看自己的 assignment、本地候选和反馈。搜索推荐 Agent 里可对应“策略器”与“渠道/实验执行器”，减少互相干扰和重复实验。
- 给执行单元显式任务分配，而不是只共享记忆；论文 ablation 显示没有 assignment 时并行 Workers 会重复实现同一功能。多 Agent 做选品、文案、素材生成时，应由 coordinator 把“该试什么”变成具体实验。
- 评估 Agent 系统至少按多个 token 预算点报告；短预算可能逆转方法排名。内部评估搜索/推荐 Agent 如果只跑短预算，很可能选错架构。协调器可以非常便宜（<0.6% tokens），强 Advisor + 弱 Worker 在部分任务上更划算。
MiniCorp：AI Agent 公司模拟器与纵向反事实数据生成
🧭 多智能体企业模拟与数据生成
Microsoft · University of Illinois Urbana-Champaign · Princeton University · Northeastern University · UCLA
构建电商公司多智能体模拟器，生成纵向反事实企业数据，用于训练和评估能自主运营的 Agent
📌 工作参考价值（4 点）
- 构建“模拟器+真实业务反馈”沙盒：在电商场景中，可建立市场模拟器生成反事实数据，用于训练决策 Agent，避免直接在生产环境试错。
- 使用 checkpointing 机制回放同一情境的不同决策，对比长期效果（如广告预算、定价策略），弥补历史日志无对照组的缺陷。
- 显式注入长期战略目标（如持续探索弱回报广告）可以防止 Agent 短期优化，对电商中需要平衡探索与变现的场景（如新品冷启动）有直接借鉴意义。
- 按角色划分多 Agent 并记录通信过程：内部世界按市场、财务等角色分工，记录讨论内容，便于审计和策略优化，也可作为 prompt 设计参考。
无标签流内多智能体工作流优化：按故障而非全流程付费
🧭 无标签多Agent工作流优化 ★ 深度解读
William & Mary · NEC Corporation of America
提出 INFLOWOP，用统一无标签成本驱动多Agent工作流构建与流内局部修复，在 BRAID 上最高较单Agent提升11.97%
📌 工作参考价值（4 点）
- 在推荐/广告多 Agent 编排中引入成本矩阵对手头模型/工具做适配评分；当子任务（如召回、精排、文案生成）没有合适专家时，触发新 specialist 创建而非强行复用，避免不匹配导致的性能损失。
- 为每个子任务定义输入/输出契约（例如召回需满足相关性、精排输出需符合业务格式），运行时用 semantic matching 检测契约破坏，无需标注即可定位故障属于 assignment 还是 decomposition，适合在线无监督场景。
- 局部修复与缓存复用：某一步失败只暂停该步并重跑下游依赖，保留其他成功结果，避免整套 pipeline 重跑；在广告/搜索工作流中能显著降低推理延迟和计算成本。
- 借鉴 Agent card + self-evolving empirical profile：为每个专家模型维护声明能力与历史成功案例画像，仅用成功样本更新画像，用于后续成本估计和路由决策，比仅靠声明能力带来稳定提升。
以工作流为支架的多角色协同进化框架 FLOWRIGHT
🧭 多智能体工作流协同进化与训练 ★ 深度解读
William & Mary · NEC Corporation of America · University of Illinois Urbana-Champaign
提出FLOWRIGHT，将工作流作为统一harness，通过分层结构感知奖励实现多角色自进化与共进化，无需额外模型或标注
📌 工作参考价值（4 点）
- 将推荐/搜索链路建模为工作流，用统一的业务指标作为 harness 同时训练召回、粗排、精排、重排等多角色策略，避免各环节独立优化导致的不一致；工作流生成器和执行器共享同一奖励信号，可实现端到端协同进化。
- 借鉴结构感知信用分配：从执行 trace 中提取每个角色失败的节点比例作为轻量惩罚项，无需额外 reward model 或人工标注，即可在联合训练中定位责任，降低多智能体 RL 的信用分配成本。
- 采用数据硬化策略构造工作流级任务：将简单 query 或单步任务组合成需要多源信息聚合、长上下文推理的复杂任务，防止训练信号退化为单一 agent 主导，更有效地激发多 Agent 协作。
- 测试时 meta-distillation：将线上成功的工作流模板蒸馏为 few-shot prior，通过上下文学习快速适应新场景，避免在线梯度更新，适合电商大促、突发 query 等动态环境。
PRISM：特权兄弟图引导的多智能体拓扑设计
🧭 多智能体拓扑设计 · 特权蒸馏 ★ 深度解读
National University of Singapore
利用同一 query 的其他成功拓扑作为特权输入，通过 on-policy 蒸馏改进多智能体拓扑生成器后训练
📌 工作参考价值（4 点）
- 如果业务中已有 execution-verified 轨迹/方案语料，但只有成功与否、没有显式排序，不要直接继续 SFT 到高频解；可以借鉴 PRISM，用同一请求/用户的其他成功解作为训练期特权输入，让学生模型在自己的采样轨迹上做 on-policy 蒸馏，保持多样性并提升 query-specific 效果。
- 推荐/搜索后训练常受 exposure bias 困扰：离线伪标签与线上自回归生成分布不一致。PRISM 的做法是学生按当前策略采样 M 条轨迹，教师在访问状态上给出决策级软标签，且用 reverse KL 鼓励模式集中，这比 forward KL/JSD 在数学类任务上平均更高；适合有多个成功解、需要模型收敛到某个模式而非平均的场景。
- 特权信息分支采用 zero-initialized FiLM + low-rank（rank=16）控制参数，训练后丢弃，部署结构不变、推理成本几乎不增；电商/广告中可将训练期才有的完整用户行为、后验转化信号、专家标注等作为特权输入，蒸馏进部署模型。
- 做消融时建议同时跑 constant teacher 和 shuffled teacher 对照，分离“蒸馏过程收益”和“特权内容收益”；PRISM 显示 shuffled 甚至会误导，constant 蒸馏只带来部分提升，真实 sibling 内容贡献额外 +1.66% 平均准确率，这种拆解对评估训练技巧很有用。
LongCat-DeepResearch：基于ResearchSpec的多智能体深度研究报告系统
🧭 多智能体深度研究与长文生成 ★ 深度解读
Meituan LongCat Team
用紧凑的ResearchSpec替代全文迭代，结合并行研究员与全局-局部编辑，提升深度研究报告质量
📌 工作参考价值（4 点）
- 将早期迭代从完整文档转移到紧凑可执行的 ResearchSpec（章节范围、研究问题、必需实体、源线索），避免在巨大上下文中反复重写全文，适合改造现有 agent 生成报告/方案的流程。
- 采用 并行独立研究者：每个 section 单独上下文搜索、阅读、撰写，保留完整 section draft，不依赖共享压缩历史，可缓解长上下文中证据丢失；类似做法可迁移到多路召回或者子任务并行执行。
- 编辑阶段分离全局决策与局部文本生成：Global Editor 只指定归属和冲突，Local Editor 基于 directive 修改既有 section，避免整篇重写带来的成本和不稳定，适合需要多轮修订的长文/方案生成。
- 数据构建接口化：用同一套 harness 生成（query, ResearchSpec, traced sections, edit directives），再用于模型 mid-training 和 post-training，实现系统能力与模型能力的迭代闭环。
声明式多智能体编排的数据视频生成系统
🧭 多智能体编排 · 声明式生成 · 数据视频
DataMagic 用 DVSpec 声明式规范统一图表、叙述与动画，通过生成后编排多智能体策略高效生成数据视频
📌 工作参考价值（3 点）
- 声明式规范 DVSpec 用数据绑定引用和声明式同步统一表示多模态组件（图表、叙述、动画），保证数据溯源与自动对齐，可借鉴到电商推荐理由/商品文案生成：定义统一 schema 绑定商品属性、卖点文案和展示节奏，避免 LLM 自由生成导致信息偏差。
- “Generate-then-Orchestrate” 策略：并行生成多个候选场景，再全局编排优化叙事连贯性，可用于商品短视频脚本或详情页卖点生成：先并行生成多个卖点片段，再根据用户画像和上下文做全局排序与裁剪，提升生成效率与内容质量。
- 多智能体共享状态（DVSpec）支持全自动与人工精细控制三种交互模式，适合 Agent 辅助的广告创意生产：LLM 生成初始草稿后，人类通过修改声明式规范局部调整，系统自动重新对齐其余部分，大幅降低人工修改成本。
TemplateCraft：智能体驱动的视觉模板生成
🧭 多智能体视觉模板生成与反馈修订 ★ 深度解读
Peking University · Kuaishou Technology
多智能体系统将自然语言创意转化为可复用的客户端视觉模板，通过 Planner-Evaluator 反馈回滚与记忆提升生成成功率
📌 工作参考价值（4 点）
- 阶段级回滚机制：Evaluator 先定位最早需要修改的阶段（plan / material / effect workflow），再定向修订，只重跑下游阶段；在电商素材/广告模板生成流水线中可减少全量重试成本，避免单次失败就丢弃整个流程。
- 持久资产与用户输入分离：将 style reference 等持久资产打包进模板，用户只替换输入，显式要求生成并使用持久资产能提升跨输入风格一致性；生成式广告创意/商品模板可复用这一设计，把品牌视觉资产固化到模板内部。
- 长短期记忆配合小模型：Evaluator 使用长期记忆跨任务存储错误与修订轨迹，上下文接近阈值时压缩为摘要；这种 Reflexion 式经验复用让较小开源模型在复杂多阶段任务上逼近 GPT-4o Planner-only，适合生产环境控制推理成本。
- 模板级评测设计：TemplateBench 每个任务带 5 个固定测试输入，评估生成成功率、adherence、reusability 和跨输入风格一致性；可借鉴到推荐/创意生成场景，不只评单次生成质量，还要评模板或策略在不同用户输入下的泛化复用。
AgentWorld：面向多智能体 LLM 长程协作的基准评估
🧭 多智能体长程协作评测基准
OpenAgents · Columbia University · University of Pennsylvania · Seoul National University · Penn State University
提出AgentWorld长程多智能体协作基准与CCE因果协作指标，最佳模型任务成功率仅52.0%
📌 工作参考价值（4 点）
- 多智能体业务链路（如营销活动生成、选品+文案+投放协作）不要只靠聊天历史维持长程计划；应引入显式共享计划/看板/JSON 状态，每轮或每阶段强制更新，否则 50+ 轮后计划会漂移。
- 评估智能体流水线时引入 CCE 式因果追踪：记录各 agent 的 action 及其依赖关系，区分对最终结果有因果贡献的步骤和“忙忙碌碌但无效”的动作；可用于优化 planner-retriever-ranker/推荐解释链路中的资源分配。
- 在角色非对称的多 agent 系统中，角色混淆是主要失败源；通过 role-specific system prompt、独立工具权限和结构化输出约束来减少越权/重复劳动。
- 长时任务需要 memory 管理：对共享状态做定期摘要或 checkpoint，并在关键节点触发 re-plan；否则 LLM 在长上下文/多轮中容易丢失早期目标。
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。
KernelOPT：面向 GPU 内核优化的调度感知多智能体搜索
🧭 LLM 多智能体 GPU 内核优化
Red Hat
用五个 profiling 引导 LLM Agent 仅优化 Inductor 生成 Triton 子内核，四级验证门保证端到端正确性并实现 1.07–1.40× 加速
📌 工作参考价值（3 点）
- 多 Agent + 多级验证门的保守发布模式：任何 KernelOPT 候选都必须通过静态校验、多随机种子正确性、模型级 float64 对照和性能门槛；不通过就回退到编译器 baseline。这套模式可直接迁移到搜索/推荐 Agent 的 query 改写、策略生成或代码生成：候选必须比现有生产规则快且稳，否则自动回退，保证不劣化。
- 把系统当结构化产物而非黑盒：KernelOPT 不优化整个编译模型，而是保留 cuBLAS/cuDNN 高性能调用，只优化 Inductor 生成的 Triton 子内核。对应到电商 Agent，可保留已成熟的精排/召回服务，只对 LLM 生成的过滤条件、排序表达式或 SQL 片段做局部优化，降低风险并提升收益。
- 用 profiling 数据驱动 Agent 搜索：不是全量试错，而是通过 profiling 定位热点子内核，再由 Agent 做受限搜索。实际工作中可用耗时/失败率/转化率等 profiling 信号，引导 LLM Agent 只优化高价值环节，减少 token 和延迟开销。
世界动作智能体：通过世界动作预演利用 VLM 进行机器人操作
🧭 多智能体机器人操控与技能演化
HKUST(GZ) · CUHK · Knowin AI
多智能体视觉动作工作空间让 VLM 通过动作预演、视图内修正和技能演化实现机器人操作 SOTA
📌 工作参考价值（4 点）
- 可编辑动作提案与预演机制：在推荐/广告 Agent 中，可让 LLM 先产出候选策略或推荐列表，由 Reviewer/Imagination Agent 在低成本模拟中预演，结合离线评估器反馈修订，再决定是否真实上线，降低高风险操作成本。
- 多智能体分工：把主决策、预演评估、技能检索拆成不同 Agent，例如电商推荐中主 Agent 负责当前会话决策，Skill Agent 检索历史有效策略（选品、话术、促销），避免单一 Agent 上下文过载。
- 用交互轨迹蒸馏轻量模型：论文中 harness 轨迹微调将域外成功率从 1.7% 提升到 43.3%，这启示我们可以收集线上 Agent 高质量决策轨迹，蒸馏一个轻量策略模型用于高频、低时延场景，兼顾泛化与成本。
- 选择性上下文呈现：从场景几何自动挑选与当前交互相关的视图，类似在商品推荐中可以根据用户当前浏览/购物车动态裁剪商品属性、图片切片或用户行为段，减少无关信息对 VLM 决策的干扰。
用空间变换器控制推理空间中的 AI 智能体群体
🧭 多智能体群体控制 · 空间变换器反馈
提出 COMPASS 分布式架构，用空间变换器生成紧凑反馈 token 控制大型机器人群体，可扩展至 1024 个机器人
📌 工作参考价值（4 点）
- 用紧凑的学习 token 代替原始状态注入 LLM 作为反馈，避免语言通道过载导致性能崩溃，可迁移到多 Agent 对话或推荐系统中的群体协作模块。
- 输入命令的结构化多样性（如多种措辞组合）可消除 LLM 的固有偏差，提升策略鲁棒性，适用于电商搜索 query 改写或推荐理由生成时的 prompt 设计。
- 分散式架构每个 Agent 只聚合局部多跳消息，无需全局通信即可实现大规模可扩展，适合构建大规模 Agent 网络进行分布式推理或商品筛选。
- 空间变换器作为信息聚合器，将邻居状态压缩为低维反馈 token，可借鉴用于推荐系统中用户-物品图上的局部子图信息聚合，替代全量序列输入。
Agensh：将组织智能扩展至1024个智能体
🧭 多智能体自组织协作扩展 ★ 深度解读
Microsoft Research
去中心化自组织多智能体框架，无中心协调者扩展到1024 agents，长程重建任务成功率随agent数量提升且更快达标
📌 工作参考价值（4 点）
- 去中心化任务自组织：在选品、搜索 query 挖掘、商品知识库构建等需要大量并行探索的场景中，用 shared context 中的 CLAIM + 类型化记录替代中心 planner，能避免单点瓶颈；尤其 FAIL 记录可以防止多个 worker 重复尝试无效方案。
- 用成熟组件搭 multi-agent 基础设施：Git / Gitea 做 workspace，Mattermost 做消息，append-only board 做共享记忆，工程成本低且原生支持并发合并与冲突检测；电商 Agent 并发修改商品文案、活动页时可直接借用。
- 消息分级与 mid-turn 注入：对冲突或依赖用 direct message 在当前 turn 送达，普通公告在下一回合开始处理，能显著降低协调延迟；适合实时广告调价、大促实时选品等对延迟敏感的业务。
- 规模化带来“更快达到同一效果”：如果业务任务有硬时间预算，增加并发 worker 数不仅提升最终质量，还能缩短达到给定质量的时间；可尝试从少量 Agent 扩展到 100+ 做长程生成式任务。
TrialAtlas：面向临床试验设计与优化的多智能体研究组织
🧭 多智能体协作优化复杂决策
University of Illinois Urbana-Champaign · Keiji AI Inc · The University of Osaka · University of Pennsylvania · AbbVie Inc
提出记忆增强的多智能体系统 TrialAtlas，通过文献、竞品、法规先例及历史 NDA 学习提升临床试验缺陷检测与成功预测
📌 工作参考价值（4 点）
- 多智能体分工可借鉴：文献合成、竞品情报、政策/法规先例分析、综合推理，类似电商场景中的市场分析、竞品监控、平台规则合规、策略生成，可将复杂决策拆解为专业子 agent 协同。
- 记忆增强机制：用历史真实案例（NDA/CRL）作为经验库，在推理时检索相关先例，可迁移到广告投放历史 campaign 复盘、商品推荐中的相似场景检索，提升决策可解释性和复用性。
- 构建领域真实业务评测集：用 291 个 FDA 拒批信做 benchmark，比合成数据更有业务可信度；电商可借鉴用投放失败案例、申诉案例或用户投诉构建回归评测集，评估 agent 的缺陷发现能力。
- 输出可操作建议而非仅风险评分：TrialAtlas 生成具体设计改进点，类似商品推荐解释、广告审核意见，提升生成结果在业务上的直接落地价值。
Treadstone：受社交媒体启发的多智能体协作数据分析平台
🧭 多智能体协作数据分析
用社交信息流机制组织人与 AI 智能体在数据分析中的异步协作与证据追踪
📌 工作参考价值（4 点）
- 把 agent 的中间结果变成 feed 流，而不是聊天记录：在电商/推荐场景中做数据分析、实验归因或策略探索时，可以让多个 agent 异步发布观察、假设和证据链接，人类分析师通过轻量 curation（点赞、置顶、标注）来控制方向，避免单一 chatbot 交互带来的上下文丢失和被动等待。
- 线程化和证据链接提升可追溯性：借鉴 Treadstone 的 threaded posts，为 agent 产生的每个结论强制附带 provenance（数据来源、处理步骤），便于审计和冲突消解。这在广告投放归因、推荐系统 ablation 分析中很有价值，能快速定位错误假设。
- 利用“主动广播假设”平衡 autonomy 与 human control：让 agent 在置信度达到一定阈值时主动推送候选洞察，而不是等待用户提问。在电商大促实时监控中，可让 agent 主动发现异常指标并给出解释草案，分析师只需确认或驳回，提高响应速度。
- 学术贡献为主，工程落地需要改造：平台本身面向通用数据分析，缺乏与推荐/广告系统的深度耦合，直接迁移成本较高；但“feed 化协作”的设计思想可以嵌入内部实验分析工具或 agent 工作流编排中。
工具增强演绎推理：Clue 多智能体博弈中的 LLM 智能体
🧭 LLM Agent 工具增强演绎推理
Georgetown University · Syntheos, Corp · UNU-MERIT
以 Clue 多智能体博弈为环境，用可能性矩阵工具外置记忆与约束，提升 LLM 推理一致性
📌 工作参考价值（4 点）
- 企业 Agent 系统若涉及多轮筛选/排除（如广告定向、商品约束推荐、会话式选品），可把候选集合与排除条件用结构化矩阵/表格工具维护，每轮更新，而不是全部塞进 prompt 或依赖 LLM 记忆。
- 采用“推理日志 → 结构化状态”的离线解析管线：LLM 仍输出自然语言推理，但由工具从日志抽取约束并更新候选表，把记忆与一致性检查外置，降低长对话中的遗忘和矛盾。
- 对多模型/多智能体策略评测：可建立类似 Clue 的封闭信息博弈环境，量化 LLM 在信息不完整、多轮约束变化下的决策质量，作为上线前 reasoning 能力回归测试。
- 工具设计应保持显式、可解释：可能性矩阵相当于可审计状态，便于排查 agent 推理错误，比隐式 memory 更适合业务风控和调试。
RSIAgent：新环境下的自主探索递归自我改进
🧭 多智能体自主探索与递归自我改进 ★ 深度解读
Aether AI · University of California San Diego · University of Illinois Chicago
训练无关多智能体框架，通过 broad-then-deep 探索构建可复用记忆，让开源模型在 OSWorld/ALE 超越 GPT-6
📌 工作参考价值（4 点）
- 多智能体解耦探索与验证：在电商/广告 agent 中可将任务生成、执行、验证三个角色分离，verifier 独立于 actor 的私有记忆，降低相关错误；尤其适合新平台/新活动页面的自动适配。
- broad-then-deep 探索策略：先并行跑广泛任务覆盖环境结构和常见操作，再针对高失败率/边界 case 做深度挖掘，可迁移到电商 RPA 或 GUI agent 的冷启动记忆构建。
- 记忆冻结与经验所属学习：每个 actor 对自身经验做蒸馏与冲突消解，再串行合并，避免并发写入冲突；记忆以无 schema 文件形式存储，工程实现简单且易复用。
- 用 code-as-policy 统一动作接口：在电商自动化中，用 Python/Bash 脚本操作后台或工具，比逐步 GUI 点击更稳定、易修正，且方便沉淀可复用流程。
Ecdysis：高效训练LLM Agent运行时harness的失败诊断驱动框架
🧭 Agent 运行时自进化 · 失败归因 ★ 深度解读
Chengdu Institute of Computer Applications, Chinese Academy of Sciences · University of Chinese Academy of Sciences · Beijing Institute of Technology · Beijing University of Technology · Yangtze Delta Region Institute of Tsinghua University, Zhejiang
跨任务失败聚合与多角色协作诊断，区分模型适配与系统缺陷，实现训练加速与泛化提升
📌 工作参考价值（4 点）
- 在搜索/推荐 Agent 的 workflow 优化中，不要针对单条失败 case 直接改 prompt 或工具逻辑；先批量收集失败轨迹，按“失败模式”跨任务分组，只对重复出现的模式做系统级修改，能显著减少过拟合和重复修改成本。
- 把“诊断”与“实施”分离：用 Analyst/Critic/Engineer/Moderator 多角色写结构化修改规范，再交给 coding agent 改代码。这相当于在修改工作流前加一道评审，能降低无效修改，提升输入 cache 命中率（论文从 89% 升到 96%）。
- 用诊断价值选训练样本：优先选暴露新交互路径和未知失败机制的任务，而不是全量随机；论文中仅用 1/4 训练失败样本就接近全量效果，可用于电商/广告 bad case 分析的降本。
- 监控 model-accommodation ratio：统计修改中有多少是在迁就当前 LLM 的怪癖；若过高，该 workflow/工具链很可能只对当前模型有效，换模型会退化。可把这个指标纳入 Agent 上线前的回归检查。
面向智能手术室的语音交互多智能体系统：架构设计与关键技术
🧭 多智能体语音交互 · KV Cache 优化
Wuhan United Imaging Surgical Co., Ltd. (UIS)
用 LLM 多智能体实现手术室语音控制与报告生成，重点优化 KV Cache 前缀复用、流式解析并行执行与渐进式提示披露
📌 工作参考价值（4 点）
- KV Cache prefix warming 可直接用于 Agent 长 system prompt 或设备状态频繁变化场景：将稳定的前缀（角色定义、技能列表、历史上下文）缓存，每次请求只重算变化部分。对电商导购 Agent，用户切换商品详情或筛选条件时，不必重算整个对话前缀，可把首字延迟从几百毫秒降到几十毫秒。
- 流式 partial JSON 解析 + 提前并行执行是降低端到端时延的有效工程 trick：LLM 以流式输出任务数组时，不用等完整 JSON 结束，解析到单个完整任务对象就立即调度执行。对广告文案批量生成、多商品并行推荐解释、多工具调用编排，能带来约 30% 的时延下降。
- 渐进式技能提示披露适合工具多的 Agent 系统：按用户角色、可用设备/工具、当前阶段动态裁剪 system prompt，只保留当前上下文最相关的技能说明。电商场景可复用为：按用户等级、可用的推荐/营销工具、会话阶段动态注入工具 schema，避免上下文浪费，提升长会话下的指令跟随稳定性。
- 多智能体架构与设备管理层解耦，可参考其 skill registry、task planner、device manager 的分层设计，在推荐系统中把“用户意图理解”“策略编排”“召回/排序执行”拆成独立模块，便于管控和低延迟并行执行。
GANDR：面向可验证法律答案生成的逐条声明审计
🧭 多智能体逐条声明审计与引用验证
William & Mary · Anytime AI
用 Drafter-Critic 双智能体逐条审计引用与声明，严格引用准确率 70.8%，领先最强基线 11.3 点
📌 工作参考价值（4 点）
- 在 RAG 生成文案、推荐理由、广告文案等场景，增加独立 Critic agent 逐条核对事实与引用源，避免整体得分掩盖局部幻觉。
- 引入 protocol-anchored commit：只有 Critic 审计通过才提交答案，否则触发修改；消融显示去掉该规则严格准确率下降 22.7 点，是低成本高收益的工程控制。
- 将引用验证从整体打分改为逐 claim 的 audit trace，便于线上监控、人工复核和 badcase 定位；对生成式推荐解释或选品理由尤其适用。
- 在低风险业务中，可只用审计模型的二分类检测器（支持不足 vs 支持充足）过滤高风险内容，而非依赖四分类标签，实验 F1 可达 0.84。
内核管理的共享内存：面向系统级个性化的多智能体基础设施
🧭 多智能体共享记忆与个性化基础设施 ★ 深度解读
Rutgers University
将多智能体个性化记忆的检索、隐私与注入集中到系统内核，以更低延迟和 token 成本获得与全量上下文接近的效果
📌 工作参考价值（5 点）
- 统一记忆管理层：在电商/广告多 Agent 系统（如商品推荐 Agent、用户助手、客服 Agent）中，将用户画像/会话记忆的检索、隐私过滤、格式化与注入上移到中心服务，避免每个 Agent 各自实现导致逻辑重复与隐私漏洞。
- 写屏障保证一致性：当多个 Agent 异步写入用户偏好或任务状态时，用 per-user 序列号 + 等待写确认的机制确保读后写一致，防止推荐/对话中因竞态缺失最新画像。
- 格式化记忆为自然语言：对 7B/8B 小模型，将结构化 JSON 画像转成自然语言语句再注入 prompt，可明显提升利用效果；结构化存储仅用于检索和审计。
- 成本-效果权衡：不要默认拼接全量上下文，而是用检索截断后的精选记忆（top-k + token 预算），在效果接近的情况下延迟可降低 15–61%，适合线上高并发推荐/对话场景。
- 显式身份解析优先级链：多用户并发时按“请求标识 → 最近会话 → 历史注册 → Agent 自身”的顺序解析用户 ID，可有效避免交叉污染，值得在用户画像服务中复用。
结构化辩论混合多智能体框架用于复杂临床诊断决策支持
🧭 多智能体结构化辩论诊断
College of Computer Science, Sichuan University · West China Hospital, Sichuan University
提出DMoA结构化辩论混合多智能体框架，提升复杂诊断准确率与安全率超10个百分点
📌 工作参考价值（4 点）
- 结构化角色分工和辩论流程比单纯堆模型或拼接输出更有效，可用于电商搜索/推荐的 query 改写、商品推荐理由生成等场景，设计“生成-质疑-汇总”的 agent 链提升输出质量。
- 借鉴 4×2 的 MoA 结构：4 个提案 agent + 2 个评审/聚合 agent，在 token 预算允许时能稳定提升最终结果；业务落地时可先用小规模消融找到性价比最优的结构。
- 在最终输出前加入安全/合规评审 agent 进行辩论，可显著降低风险输出，适用于广告审核、违禁词过滤、客服应答等敏感场景。
- 提升并非来自更长输出或更多模型，说明结构化流程比增加推理长度更划算，Agent 系统设计应优先优化辩论/聚合逻辑而非盲目增加 token。
MIVAIS：多智能体混合主动式可视分析研究环境
🧭 多智能体混合主动可视分析平台
ETH Zürich, Switzerland
提出MIVAIS双层平台，标准化多智能体状态同步与通信，并自动记录多模态人机协作溯源数据
📌 工作参考价值（3 点）
- 借鉴其集中式 World State + Agent Registry + Communication Channels 架构，将多智能体推荐/搜索系统中的状态同步从各服务私有化改为共享“世界状态”，降低 agent 开发与联调成本；特别是加入 Permission Guard 可统一控制人机协作中 agent 的写权限，适合电商导购/客服等半自主场景。
- 采用声明式实验配置（YAML 定义任务、角色、数据采集）与自动多模态溯源（应用状态、屏幕录制、音频、传感器）建设 Agent 系统的用户研究/在线评估闭环，避免为每次实验重复埋点。
- 其自动回放与交互时间线可用于事后分析用户与推荐/搜索 agent 的协作过程，定位“用户在何时拒绝或修正 agent 建议”的序列模式，对优化生成式推荐交互有直接参考价值。
MaxKernel：面向 TPU 的智能体内核生成系统
🧭 多智能体 TPU 内核生成
Google · Google DeepMind
MaxKernel 多智能体系统利用 LLM 与实时编译反馈，在 TPU 上自动生成并优化高性能内核，匹配专家手写调优基线
📌 工作参考价值（4 点）
- 多智能体专业化分工可迁移到推荐 Agent 工作流：将规划、实现、自调试、测试、profiling 拆成独立子智能体，共享同一套工具和上下文；在搜索推荐场景中，可类似拆分 query 理解、召回策略、排序模型评估、A/B 实验分析等角色，降低单 Agent 复杂任务失败率。
- 实时反馈闭环驱动自主优化：MaxKernel 利用编译错误、性能指标、硬件 trace 作为环境反馈，让 Agent 自动迭代；这对应推荐系统中的在线指标、实验报告、bad case 分析等反馈回路，可用作 Agent 自动调参、自动特征工程或 prompt 优化。
- 按任务复杂度切换三种协作模式：HITL 适合高风险策略调整，Auto 适合批量优化，Graph-Based Search 用于全局探索设计空间；推荐/广告业务中，低风险自动优化、高风险人工审核的组合策略可直接借鉴。
- 对纯推荐业务直接价值有限：核心是底层 kernel 生成，业务可借鉴点主要在 Agent 架构与反馈闭环方法论，而非推荐算法本身。
终端 Agent 的环境进化训练方法
🧭 终端 Agent RL · 离线环境课程
Hunyuan Team, Tencent
提出离线环境进化，沿多轮目标派生的三个难度方向逐步提升终端环境难度，并通过多 Agent 回路实现，提升终端 Agent RL 效果。
📌 工作参考价值（4 点）
- 在电商/推荐 Agent 训练中，可将“用户任务/交互环境”当作可进化对象：把多轮任务目标显式展开，提取难度轴（如约束数量、工具噪声、状态分支），离线用 LLM 多 Agent 生成逐渐变难的任务集，不用每次等在线 rollout，降低数据成本。
- 用多 Agent 回路工程化合成环境：一个 Agent 负责提出 harder case，另一个验证可解性与难度，再一个做标注/清理，保证训练集中困难样本比例与模型能力匹配，可复用到导购、搜索、客服 Agent 的场景生成。
- 训练调度用“分代课程”：将进化后的环境按 generation 分块，训练时按模型 checkpoint 表现逐步解锁下一代，避免一次性给过难/过易环境；对应推荐 Agent 的 RL 训练可做 curriculum。
- 若做用户模拟器/环境生成，优先加入 off-policy 进化：不再依赖当前策略轨迹，能从历史或弱模型数据产生持续学习信号，适合业务环境噪声大、策略迭代快的场景。
使用扎根理论对智能体行为进行大规模分析
🧭 多智能体扎根理论轨迹分析
Purdue University · Stevens Institute of Technology · Cornell University · University of Texas at El Paso · Johns Hopkins University
提出 AutoTraceGT，首个用多智能体流水线自动执行扎根理论分析智能体轨迹，生成行为分类法
📌 工作参考价值（4 点）
- 对电商搜索/推荐中的 Agent 轨迹（如购物助手、推荐对话、自动选品 agent）可部署 AutoTraceGT 自动生成失败/成功行为分类法，替代依赖人工标注 taxonomy 的冷启动。
- 借助扎根理论的饱和准则，用迭代编码自动判断何时停止标注，降低大规模轨迹审计成本，同时保留从数据到结论的可审计链路，便于业务复盘。
- 生成的 codebook 可作为下游失败预测的特征空间，显式提供可解释的行为维度；在缺少高质量标注时，其效果优于直接对原始轨迹做 zero-shot/few-shot LLM 判断。
- 该流水线能发现人工分类法遗漏的行为模式，适合探索推荐 agent 中长尾失败模式或新出现的异常行为，尤其是多步决策中的局部合理但全局失败链条。
ProgRouter：质量-成本权衡下多智能体 LLM 工作流的在线进度引导编排
🧭 多 Agent LLM 工作流在线路由编排 ★ 深度解读
Aston University · Queen Mary University of London · University of Exeter
面向多智能体 LLM 工作流，提出在线进度引导路由，逐步选择大小模型以在预算内保持任务质量
📌 工作参考价值（4 点）
- 多智能体工作流不要一次性 query 级路由，而应在每一步根据当前状态重估进度增益，用小模型处理常规步骤、大模型只处理关键卡点；电商客服/商品调研/推荐解释等 agent pipeline 可直接套用这种 step-wise routing。
- 用 multi-view progress scorer 把中间 workflow state 转化为 coarse regime + 子任务完成度/趋势/状态质量，能作为轻量 domain adapter。推荐/搜索场景可定义类似 milestone 信号（如召回完成率、排序置信度、引用覆盖）指导 LLM 调用。
- 虚拟队列 + 指数预算惩罚很实用：通过 Lyapunov virtual queue 跟踪长期平均成本，并用 exp(已消耗预算) 惩罚后续高成本调用，避免前期耗尽大模型配额；可直接迁移到广告竞价 / Agent 调用成本治理。
- 结构化特征与语义 embedding 双路径预测 + meta-gating + 在线 epsilon-greedy 探索更新，冷启动无需离线标注数据，适合业务中缺乏路由标注的 Agent 系统快速上线并逐渐稳定。
Apodex 1.1：用环境扩展与多智体协调扩展复杂工作能力
🧭 多智体协作与长程任务执行 ★ 深度解读
以可验证交付为单位，通过环境扩展和可交互自组织 Agent Team 在小模型上逼近前沿长程任务能力
📌 工作参考价值（4 点）
- 把长程推荐/广告分析 Agent 的内部计划外化成 Task Board：子任务、依赖、状态、结果引用都放在模型上下文之外，作为可被工具读写的共享协调状态；在 context compaction 或超长会话中仍能恢复计划，避免依赖 message history。
- 借鉴 verification asymmetry：对生成的商品卖点、活动复盘结论、搜索推荐归因等，只构造核对具体 claim、数字、出处和格式约束的验证器，要求反例或独立来源，而不是让验证者重写整份报告；反馈带 claim 级定位，便于定向返工。
- 借鉴 /inputs、/workspace、/outputs 命名空间与 provenance graph：把原始数据、中间实验、最终交付严格分离，发布必须走 controlled delivery；避免把未验证的中间结果作为推荐策略、广告配置或活动方案上线。
- 为推荐/Query 改写/运营 Agent 做可执行 sandbox 和 verifier：用“正向构造便宜、逆向求解昂贵”的方式扩展文件、搜索、代码类可验证任务；先硬化 verifier 再扰动任务，防止奖励黑客，提升 agentic RL 训练信号质量。
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。
阅读宜结构化，写作宜散文：多智能体文档创作中的非对称结构条件化
🧭 多智能体文档生成与结构条件化
ML Research Labs, Canberra, Australia
部署招标应答系统发现：结构化标记利于读取抽取，但嵌套 XML 条件化生成质量从 74% 降至 48%
📌 工作参考价值（4 点）
- 生成式推荐/Agent 中，用于抽取解析的 JSON Schema/XML 不应直接作为生成约束条件；在 prompt 里用自然语言描述输出要求，比嵌套结构化标签更稳定。尤其做对话式推荐或商品描述生成时，模板别过度结构化。
- 负面约束（“不要生成 XX 结构/词”）只命名禁止形式易让模型集中生成该形式；建议配套正面示例、自检清单或后校验器，而不是仅列禁止项。
- 评估生成质量时，若对照的 ground truth 包含模型输入源没有的知识，应拆分“信息可得性”和“模型能力”两类指标，否则会低估系统；在电商文案/搜索改写评估中同样要区分。
- 抽取和生成两阶段应使用不同表示：读取端用结构化解析提升召回，写入端回归自然语言指令和自检，这是可复用的架构选择。
自适应记忆与反思多智能体系统用于医学问答
🧭 多智能体协作与记忆反思机制
提出医学问答多智能体框架，通过智能体专属记忆、反思反馈与复杂度路由提升答案质量
📌 工作参考价值（4 点）
- 复杂度评估与工作流路由：电商/搜索推荐中可参考“复杂度评估器”，根据用户 query 或上下文难度，将任务路由到 solo、collaborative 或 escalated 工作流——简单查询走轻量单智能体，复杂需求触发多智能体协作或人工升级，平衡效果与成本。
- 智能体专属记忆与反思：为不同智能体（如意图识别、商品召回、排序、文案生成）维护独立记忆和反思缓存，记录历史失败案例与反馈，让后续推理更少犯同类错误；这与用户长期偏好记忆类似，但更强调任务级错误纠正。
- 共识与伦理监督模块：在生成推荐理由、广告文案或客服回答时，引入多个智能体输出共识和合规审查，能减少事实性错误、品牌风险，尤其适用于医疗、金融等需要强监管的场景；电商大促文案也可以借鉴此类多角度审核。
- 外部检索与记忆结合：AMR 将外部 RAG 与历史对话/案例记忆有效结合，对电商问答或生成式推荐有借鉴意义——既要有实时商品知识检索，也要沉淀用户交互记忆与反思，提升生成稳定性和个性化。
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。
FM-Bench：长期管理竞争 Agent 评测基准
🧭 LLM Agent 长期管理评测基准 ★ 深度解读
AnalogyAI
15 个前沿 LLM 在 20 年共享足球管理世界中评测，结果由可解释管理行为而非模型规模与 token 消耗决定
📌 工作参考价值（4 点）
- 把记忆管理作为 Agent 能力来评测：业务中若采用“每次决策点新会话+自维护 notebook”的模式，可将 notebook 连续快照的 TF-IDF 余弦相似度作为记忆健康度指标，警惕 append-only（>0.9）和完全重写（<0.25）两种失效；不要把长期上下文截断/摘要交给 harness 隐式做，否则评测分数部分反映的是脚手架而非模型。
- 奖励函数要显式反囤积与末期衰减：FM-Bench 对超额现金按 0.3 计入净资产，且正分乘 ρ=(t/T)^1.5，迫使 agent 权衡“安全持有现金”的隐性机会成本；电商/广告预算分配中同样可以给闲置预算或过时策略加递减折扣，防止 agent 永远选局部安全动作。
- LLM 无法从数百次拒单中学会市场真实价格（中位 30 次报价才成交 1 次）：在竞价/谈判 Agent 上，应显式给模型维护一个可查询的 bid-ask 历史或先验价格分布，而不是只把 rejection 当反馈；Solo 与 Arena 的行为对比（出价频率 0.5→4.6/季）说明策略强度需按对手自适应。
- 上线前做共享经济体评测：固定对手的 solo 榜第一会形成 dynasty，但 Arena 中冠军在 10 个模型间轮换、卫冕只成功 2/19，说明反自适应环境能揭示策略真实韧性；推荐/流量分配策略也应放入多个 Agent 争抢同一批库存/用户预算的共享仿真，而非仅做静态 A/B。
HarnessEval-W：将视觉世界评估智能体化
🧭 多智能体分层评估世界模型
提出分层多智能体评估流程，把世界模型评估转化为可验证的证据树
📌 工作参考价值（4 点）
- 借鉴其分层 agent 评估架构：将复杂评估任务拆解为多个可测量子问题，每个子问题交给专门的子 agent 处理，父 agent 汇总证据。适合评估生成式推荐或搜索 Agent 的输出质量，例如分解「推荐相关性」「文本流畅性」「商品属性一致性」等维度并行诊断。
- 强调推理链与证据树：评估结果必须能追溯到具体证据，而非仅给出分数。在业务中可用于 user study 自动化替代，或对推荐理由、搜索改写结果做可解释的质量审计。
- 子 agent 配备定制上下文与诊断工具：可针对不同评估维度注入业务规则、商品知识图谱、历史 CTR 等工具，让评估更贴近业务场景。
- 开源 pipeline 可作为内部评测框架的基础，尤其适合多模态生成（如商品图、短视频、虚拟主播）的质量评估。
有界智能体：多智能体 AI 系统的委托安全机制
🧭 多智能体委托授权安全
Independent Researcher
提出 Agentic Principal Chain，在模型外强制执行基于会话状态的授权检查，将 AgentDojo 数据外泄从 75-100% 降至 0%
📌 工作参考价值（4 点）
- 在电商/广告 Agent 工具执行前，增加独立于 LLM 的授权门控层：维护 session 状态，检查“当前工具调用 + 之前动作”的组合是否触碰禁止规则，而不只评估单次请求权限；APC 的 composition closure 可直接对应“禁止读取用户手机号后调用外部 webhook”这类组合风险。
- 对子 Agent 委托必须显式传递并收缩权限范围与预算：APC 证明的 Blast Radius Monotonicity 表明最小权限委托能控制爆炸半径，可复用于多 Agent 架构中订单、优惠券、用户数据等工具的下发权限。
- 工程上，0.24ms p99 授权延迟对推荐/广告 Agent 的实时链路可接受；将授权决策与模型推理解耦，使其不被 prompt injection 影响，适合作为在线风控旁路。
- 注意 trade-off：AgentDojo 效用下降 8.6-13.9 个百分点，业务落地上需按场景灰度，在安全与任务完成率之间配置可调的禁止组合规则。
错误但有用：多智能体消息的轨迹价值超越答案正确性
🧭 多智能体轨迹价值评估与消息筛选
Argonne National Laboratory · University of Houston · Brookhaven National Laboratory · University of Chicago
提出 DHD 重放协议，证明错误答案消息在多智能体推理中仍可能帮助后续集成，且可重复测量轨迹价值
📌 工作参考价值（4 点）
- 在推荐/搜索的 Agent 工作流中，不要仅用最终答案正确性或 auto-scorer 过滤中间候选消息（如商品理由、query 改写、约束提取）。可复用 DHD 的“缓存+重放”方法，离线评估每条消息对最终决策的因果贡献（trajectory value），筛选出“错误但有用”的消息用于训练或在线保留。
- 构建多 Agent 集成器时，可对同一组候选消息重复运行 integrator，统计每个消息出现/隐藏对最终结果的影响，识别可重复的 help/harm 消息；此类标签可用于训练一个轻量级 selector/滤波器，判断哪些中间输出值得传给下游。
- 工程实现上，DHD 缓存多个独立生成消息并重放，成本可控；可在业务中先对少量 query/问题做离线 replay，得到消息级轨迹价值标注，再逐步替换基于 confidence/agreement 的过滤规则。
- 注意完整消息（含推理过程）往往比仅保留答案更有效，因此中间消息的 reasoning trace 不应过早丢弃；在商品解释、推荐理由生成等场景中保留结构化推理片段可能提升最终聚合质量。
HERMES：面向地球科学超长文档结构化知识抽取的多智能体框架
🧭 多 Agent 文档知识抽取
Zhejiang Laboratory, Hangzhou, China · Purdue University, Indiana, USA · University of Kansas, USA · University of Illinois Chicago, USA · Geologic TimeScale Foundation, Indiana, USA
多智能体框架从超长地学文献中抽取结构化数据，在古生物专著上抽取3.2万实体、45万属性，F1约0.90
📌 工作参考价值（4 点）
- 多智能体协调 + 领域约束 + 验证规则，可以借鉴来做电商商品属性/类目树的标准化知识抽取，尤其在 SPU/SKU 结构补全时，用 validator agent 强制字段格式和枚举值，降低 LLM 幻觉。
- 文档级统一抽取解析文本、表格、图片 caption，适合处理电商超长商品详情页、行业标准文档或广告素材库，可建立一条从多模态内容到结构化字段的 pipeline。
- 每个字段带 evidence tracing（证据追踪），方便人工审核和纠错，这在电商知识中台里很实用：预测出的属性可以回链到原文位置，快速验证和修复。
- 零训练跨域迁移说明该框架对不同领域知识库建设具有可复制性，冷启动类目或长尾属性补全时可以用低成本方式快速搭建抽取能力，效率提升数倍。
MACS：固定目录下可靠对话式电商推荐的混合多智能体框架
🧭 多智能体对话式推荐 · 硬约束确定性执行 ★ 深度解读
Stanford University · University of Southern California · Amazon · Massachusetts Institute of Technology
混合 shopping/merchant 双 agent 架构，用确定性 SQL 约束与跨轮 slot 状态实现最高约束合规与零漂移
📌 工作参考价值（4 点）
- 架构分离防幻觉：LLM 只做语言交互与偏好抽取，产品检索、SQL 过滤、品牌排除、价格/规格硬约束全部由 merchant agent 确定性执行，shopping agent 不直接碰 catalog。这个可以直接迁移到电商 agent 或对话推荐系统，确保不返回目录外商品、不违反品牌排除。
- Session-persistent slot dictionary：把预算、排除品牌、最低规格作为 typed slot 跨轮持久化，支持覆盖（预算更新）与反转（“HP 也可以”），并直接映射到 SQL WHERE；比靠 prompt 记忆可靠得多，适合多轮导购场景。
- 渐进放松 + 显式披露：当硬约束结果 <3 个时，按优先级放松可选规格，但价格上限与品牌排除永不放松；回复中明确告知用户放松了哪些约束。这样既能保证有结果，又不误导用户，对电商推荐体验重要。
- 评估拆分为确定性约束检查 + LLM 文本质量评分：约束用 SQL 验证、品牌用 regex 验证，文本质量用 G-Eval；避免 LLM-as-judge 循环。业务上可以复用这种混合评估框架，快速定位是约束违规还是表达质量差。
SheetCompass：面向智能体表格推理的层次关系图框架
🧭 多Agent协同 · 层次图表格推理 ★ 深度解读
State Key Laboratory of Cognitive Intelligence, University of Science and Technology of China
将电子表格从扁平文本转为层次关系图，结合双级记忆与三Agent闭环，在SCB/SB/SheetRM上全面超越既有Agent方案
📌 工作参考价值（4 点）
- 多表/多域结构化数据可建模为表节点+列节点的层次图：显式保留包含、邻接等结构边，再用语义相似度+LLM逻辑打分构建跨表语义边；商品表、订单表、广告报表等联合推理可直接复用，避免扁平序列丢失空间与跨表依赖。
- 三Agent分工（Explorer 定位与子图提取 → Programmer 受图约束生成代码 → Reflector 用 checklist 校验执行状态）适合需要工具调用的长链路数据流水线，闭环校验显著减少语义错误。
- 双级记忆：静态专家知识（业务规则、公式模板、工具修复经验）与动态推理经验（当前轨迹、错误日志，成功经验回流长期库）结合，能避免重复犯错，适合长表格/报表生成任务。
- 用语义相似度筛选种子节点，再通过 BFS 提取共享子图进行上下文压缩，类似 RAG 中的上下文裁剪，可有效控制 prompt 长度，适合大规模表格/文档 Agent 场景。
持久递归世界实现自主软件演化
🧭 持久递归世界 · 多智能体协作
The Hong Kong Polytechnic University
提出以持久化项目而非持久化 Agent 为核心的递归多智能体框架，实现长程软件自动开发与演进
📌 工作参考价值（4 点）
- 把长期任务的“记忆”外置到项目版本/制品，而不是塞进单个 Agent 的上下文：电商选品、活动策划、自动调参等长时间运行 Agent 可让 worker 只持有局部上下文，验收后写回版本库，避免上下文膨胀与错误累积。
- 递归委派 + 按路径拆分：搜索词/文案/商品策略可按类目或子域递归拆解，子 Agent 只做局部变更，上层合并验收，便于并行和回滚。
- 验收驱动的版本推进：推荐/广告策略改动只允许通过离线评测或小流量验证的“后果”合入版本历史，形成可审计、可复现的实验资产。
- 成本敏感的长程任务可用廉价快速 LLM 跑大量 episode：本工作 120 小时/1000+ episodes 仅 44 美元，适合批量生成候选 query、商品卖点、广告文案等。
代理系统中的协同进化：走向超越人类设计的自引导进化
🧭 多智能体协同进化框架与分类
Hong Kong University of Science and Technology · University of Illinois Urbana-Champaign · The Chinese University of Hong Kong · The University of Hong Kong · Peking University
提出三阶段分类法，梳理多智能体与环境协同进化逐步摆脱人工设计约束的研究
📌 工作参考价值（4 点）
- 设计多智能体推荐系统时，可借鉴 Agent-Agent 协同进化中的对抗、协作与组织适应机制，使各策略 agent 在动态博弈中自动优化分工与交互协议，而非依赖人工静态编排。
- Agent-Environment 协同进化的思想可用于构建自适应的搜索推荐框架：将用户反馈、上下文环境作为演化压力，在线调整召回、排序、重排模块的参数或模型结构，应对数据分布漂移。
- 元协同进化为“可演化的 Agent 架构”提供思路，例如在电商 chatbot 或 query 生成 agent 中，使 prompt 模板、工具选择逻辑甚至内部思维链结构具备自我调优能力，减少人工迭代成本。
- 该综述强调的安全与可控性挑战，提醒我们在实际部署自动演化系统时需设计监控、回滚与约束机制，防止 agent 策略在长期演化中偏离业务目标。
基于多智能体法医推理的可泛化深度伪造视频检测
🧭 多智体协同法医推理
Beijing Jiaotong University · Tsinghua University · Ant Group
提出多专家Agent分别分析纹理、光照、运动、物理伪造线索，以小型开源MLLM超越GPT和Gemini
📌 工作参考价值（4 点）
- 多专家Agent分工架构：可借鉴到推荐系统的多信号融合——设计多个Agent分别专注商品视觉、文本描述、用户行为等不同特征，再由协调Agent融合决策，提升系统鲁棒性。
- Judge Agent的冲突解决机制：类似推荐的多路召回融合排序，可设计一个元Agent来处理各专家意见分歧，结合置信度加权或投票策略，提高最终决策质量。
- 小型开源MLLM的多Agent组合超越单一大模型：在资源受限的业务场景（如移动端推荐助手），可通过多个小模型协同达到不逊色于闭源大模型的性能，降低推理成本。
- 自动化标注流水线：多模型聚合与冲突解决自动生成细粒度图文注释，可用于电商评论分析、商品描述增强等任务，提升数据标注效率。
多智体协同过滤中连接性对攻击与防御的影响研究
🧭 多智体协同过滤 · 连接性安全评估 ★ 深度解读
University of Oxford · Amazon
系统揭示候选数与目录集中度如何不对称地调制攻击与防御效能，发现语义攻击更持久，静态图度量可预估风险
📌 工作参考价值（5 点）
- 系统设计时监控连接度两极分化：每轮推荐候选数 k 和物品目录重叠度 ρ 对攻击传播的影响呈角色不对称性。增加 k 会加速隐私提取的早期泄漏，但几乎不推高稳态泄露率；增大 ρ 则推高物品侧污染，对用户侧影响非单调。在调整召回策略或扩量时，建议分用户/物品侧分别评估安全指标，避免单侧失守。
- 红队测试优先采用语义攻击：记忆更新步骤（LLM 重写摘要）会自然修正词法扰动，但完整保留语义注入。因此像 DrunkAgent（注入语义概念到物品记忆）比 RecTextAttack（词法扰动）存活率更高。内部安全测试应重点检验语义注入的耐久性，而非仅防御提示词级别的扰动。
- 防御部署需考虑角色隔离：G-Safeguard 等 GNN 检测防御在用户侧有效，但在物品侧稀疏时失效 (ρ 小时毫无安全增益)。建议对不同角色训练独立的异常检测模型，或为物品 Agent 设计无监督 (如 BlindGuard) 但针对度数不对称性优化的编码器。
- 用静态图指标替代昂贵模拟做初步风险评估：论文尝试用基于 SIS 模型的恢复感知一阶连接度预测器 (R_U, R_I) 来排序不同配置的风险，虽相关有限但节省资源。在工程上可先计算类似 \(1-(1-α_I)^k / ((1-α_I)·k·γ+r)\) 的静态分数，快速筛查高危配置后再进行小规模攻击仿真。
- 选用对齐良好的 LLM 并保留反思步骤：较新模型 (Claude 4.5) 因丰富世界知识和安全对齐，在良性交互中能自我纠正记忆污染，降低攻击持久性。建议在 Agent CF 中保留记忆更新后的反思/摘要步骤，并优先使用最新对齐 LLM 作为 Agent 大脑。
FactorJEPA：将单一未来分解为布局-实体-交互通道，用于拥挤南半球城市场景预测
🧭 世界模型 · 多模态动态预测
San Jose State University · UC Berkeley · Apple · Meta · PocketFM
将世界模型预测分解为布局、实体、交互三个因子，在拥挤南半球城市场景中显著提升预测精度与鲁棒性
📌 工作参考价值（4 点）
- 世界模型与电商/推荐业务距离较远，直接迁移价值有限
- 将复杂动态系统显式分解为场景布局、实体状态、交互关系的思路，可启发推荐系统中对用户状态、物品属性、交互关系的分离建模
- 使用 visibility gate 处理部分可观测（如用户行为缺失、冷启动）的设计，在序列推荐或 Agent 交互建模中有参考意义
- 提供大规模多样性数据集构建方法（覆盖22城市、多天气、混杂交通），对需要构建多域推荐数据集的团队有一定借鉴
超越组件测试：验证智能体 AI 系统
🧭 Agent 验证与评测方法
University of Messina · ICAR-CNR · CINI
提出五维验证分类法（行为/安全/时序/监管/多智能体），揭示轨迹级验证是关键空白
📌 工作参考价值（4 点）
- 测试思路迁移：电商 Agent（如自动选品、动态定价）必须评估决策轨迹而非单轮输出，可借鉴论文的“轨迹级验证”思维，构建包含工具调用、记忆交互的场景性测试集。
- 安全与合规提示：推荐/广告系统引入多智能体协商后，需关注时序有效性与监管合规，此评价框架可直接用于梳理自身系统中“行为/安全/时序/合规”覆盖缺口。
- 对抗性测试生成：论文提出“adversarial trajectory generation”，可用于生成对抗性用户行为路径（如极端比价、退货欺诈），测试推荐 Agent 的鲁棒性。
- 运行时监控架构：在线上推荐引擎中嵌入轻量级监控模块，持续校验智能体的动作序列是否偏离预期，降低长尾风险，论文给出的运行监视模式有直接工程参考价值。
ASARL：面向社交搜索的自主多智能体相关性学习框架
🧭 多Agent数据治理与搜索相关性学习 ★ 深度解读
Tencent PCG
通过多智能体协同数据治理与分阶段偏好对齐训练，实现社交搜索相关性理解的自动化与社交感知
📌 工作参考价值（4 点）
- 多智能体数据标注流水线可迁移到电商搜索：ReasonAgent 生成推理标签、CriticAgent 核查一致性、GenAgent 生产长尾样本的闭环，能降低人工标注成本，缓解长尾查询覆盖不足，尤其适合大量非标品的电商搜索场景。
- 分阶段训练策略值得复现：先用领域特化的 Reasoning CoT 做 SFT 注入知识（Social Context Training），再用 DPO 对齐真实点击信号（Preference-Guided Optimization），最后蒸馏到轻量模型（Social Distillation），这套流程可直接用于电商搜索相关性优化。
- 社交属性的结构化建模思路可用：将用户意图与社区/商品属性对齐，形成可解释的推理链，既能改善模型判断准确性，又能输出可读的排序理由，利于搜索诊断和运营。
- 真实在线实验验证了收益：在 QQ 频道和群搜索上，CTR 提升 1.36%~2.69%，Join Rate 提升 1.06%~2.59%，部署达 1200 万 DAU，说明该方法可同时提升点击和深层转化，对电商搜索有直接参考价值。
MARS：面向外卖复购推荐的多智能体重排序框架
🧭 多智能体协作重排序 ★ 深度解读
Georgia Institute of Technology · The University of Texas at Austin
结合轻量级协同召回与 LLM 分阶段重排序，证明预训练 LLM 在复购推荐中可匹敌专用模型。
📌 工作参考价值（4 点）
- 粗排-精排两阶段设计：先用 LightGCN 进行菜系（cuisine）级粗排，再结合 Swing 协同相似度和 LLM 进行商家（vendor）精排，有效降低候选集大小，适合电商中品类多、商家多的长尾场景。
- 协同信号作为 LLM 输入：不抛弃成熟的协同过滤，而是将 LightGCN 的全局偏好与 Swing 的局部共现信息提炼成文本证据供 LLM 推理，简单且实用。
- 多智能体框架提升可解释性：Manager 调度、Profiler 提取特征、Analyzer 预测菜系、Critic 排序商家，中间输出结构化，便于监控和调试，尤其适合需要业务可解释性的推荐系统。
- 推理时计算（test-time compute）能带来额外收益：启用 LLM 的 thinking 模式让模型在输出前自我修正，显著提升重排序精度，成本允许时可在关键环节采用。
通过多智体协议蒸馏弥合闭源与开源Agent搜索的分布鸿沟
🧭 多智体协议蒸馏 · Agent搜索 ★ 深度解读
University of Chinese Academy of Sciences · Tsinghua University · Peking University · Beijing Institute of Technology
提出结构化JSON协议作为中间表示，将闭源多智体的推理策略蒸馏到开源学生模型，显著缓解风格漂移和幻觉。
📌 工作参考价值（4 点）
- 用结构化协议替代原始文本进行蒸馏：在Agent搜索场景中，直接模仿闭源模型的自然语言轨迹会导致灾难性的风格漂移和幻觉，业务上若想用GPT/Claude蒸馏小模型，务必把推理过程抽象为JSON、流程图等结构化中间表示，剥离语言风格。
- 离线多智体合成高质量训练信号：用多智体系统（编排者+搜索者+修复者+协议者）提前生成高质量推理协议，训练时只复用协议，不增加在线推理开销。这种模式可迁移到电商导购Agent的多轮决策合成：用强模型离线生成“商品推荐-推理-校验”协议，蒸馏到线上轻量模型。
- 在线自蒸馏与RL的联合训练配方：将结构化协议作为特权信息（privileged information）输入教师分支，与学生分支做token级KL对齐，同时叠加GRPO稀疏奖励，λ=0.05附近是甜区。业务中复现类似流水线时，可直接参考该联合损失权重调优经验。
- 跨教师模型的可迁移性：结构化协议对不同闭源教师（Claude/GPT/Gemini）都有效，方差极小，意味着后续替换底层LLM API时无需重新调参，可大幅降低迭代成本。
MADA-RL：紧凑模型参数高效推理的多智体辩论强化学习
🧭 多智体辩论强化学习 · 参数高效微调
Bosch Center for Artificial Intelligence, Germany · LMU Munich, Germany · University of Oslo, Norway · University of Cambridge, United Kingdom · Munich Center for Machine Learning, Germany
通过辩论感知RL训练紧凑模型作为生成器和评论家，利用反事实优势函数让评论家超越生成器共识，参数效率提升16倍
📌 工作参考价值（4 点）
- 多智体辩论可迁移至搜索推荐：让多个生成器提出 query 或推荐理由，评论家评估并修正，RL 优化评论家识别生成器错误，提升整体质量。
- 参数高效微调：只用 LoRA 适配器微调小部分参数，适合业务中受限的算力 budget，可快速迭代。
- 反事实优势函数设计：奖励评论家超越生成器共识的改进，而非简单模仿，可借鉴用于推荐系统的多模型融合或排序打分修正，避免平庸共识。
- 轻量多轮部署协议：训练好的角色可在推理中组合辩论，作为后处理或过滤模块，直接嵌入现有推荐管道。
自治商务中的动态可验证多智体人类代理忠诚循环（DVM-HALL）模型与净人类-代理评分（NHAS）
🧭 多智体协作 · 自治商务忠诚度模型 ★ 深度解读
School of Technology, Woxsen University, Hyderabad, Telangana 502345, India · Universitat de Girona, 17004 Girona, Spain
提出多智体忠诚模型与可审计指标，将人类情绪、机器效用、信任、委托与链上执行风险联合建模品牌选择
📌 工作参考价值（4 点）
- 在构建面向代理执行的推荐或广告系统时，可将品牌选择拆解为人类情绪效用（情感资产、满意度、价值感知）与代理机器效用（API可用性、延迟、交付可靠度）的加权融合，通过动态信任和委托系数控制代理自主权。
- 对涉及链上交易或可验证执行的场景，可引入 gas 成本、滑点、MEV 暴露、预言机风险、智能合约漏洞等变量作为代理偏好的负向预测因子，量化执行风险对最终选择的影响。
- NHAS 可以作为在线评估人与代理对齐程度的审计指标：组合偏好对齐、经济效率、执行可靠性和解释质量，结合用户反馈与执行日志，用于代理行为的 post-hoc 监控或奖励信号，区分微小次优决策与关键失败（如超支）。
- 动态信任更新公式（基于对齐、执行质量、解释质量、损失等递归更新）可直接部署于代理系统，实现“过度信任→惩罚→降低委托”的自动校准，避免代理失控。
多智能体LLM的探索失败与显式探索框架MACE
🧭 多智体协作中显式探索方法 ★ 深度解读
University of Wisconsin–Madison · University of California, Santa Barbara
发现LLM agent在多智能体环境中普遍探索不足，提出MACE通过上下文赌博机显式引导探索，显著提升协作质量
📌 工作参考价值（4 点）
- 在多智能体协作场景（如多agent推荐、多agent竞价）中，LLM原生缺乏有效探索，容易过早锁定次优agent。可借鉴MACE的LinUCB框架，将agent选择建模为上下文赌博机，通过显式不确定性奖励驱动探索，避免in-context selection的过早收敛。
- 特征工程上，可设计关系特征：agent响应与当前答案的差异（信息增益潜力）、agent之间的差异性、历史准确率、交互轮次。这些特征能编码协作的结构化信息，比单纯的计数或成功率更有效。
- 在线学习时，使用LinUCB维持设计矩阵A和奖励向量b，利用公式(4)选择agent，实时更新(5)。该方法轻量，无需复杂协调协议，适合工程化。
- 理论表明，agent能力异质性越大，探索收益越高。当agent池存在显著能力差异（如不同模型、不同专家）时，应加大探索系数。对于能力相近的agent，探索价值有限，可适当降低探索。
Agon: 竞争式跨模型强化学习，隐式对手评分提升推理能力
🧭 Agent 竞争训练增强推理
Independent Researcher · thinkdense.ai
让两个模型互为评分者，通过竞争性RL隐式判断推理质量，无需过程标签，大幅超越GRPO
📌 工作参考价值（4 点）
- 多模型互为评分的训练范式可直接用于对话Agent或推荐解释生成：用一个模型生成，另一个模型评估，交替优化，无需人工标注过程质量。
- 在搜索推荐场景，可让生成式推荐模型与排序模型互相竞争，前者生成item，后者判断合理性，奖励机制为是否比对方更准，潜在提升推理链的实用价值。
- 训练时形成的两阶段级联可直接部署：推荐系统可让轻量模型快速草稿再由精排模型修正，兼顾效率与质量。
- 竞争双方仅需相当实力且行为差异，无需完全对称，启发我们用不同架构或偏好模型进行对抗训练，避免单模型自举的偏差放大。
从投票到智体协作：答案类型感知的LLM流水线
🧭 多Agent协作与问题类型路由
Korea University · Myongji University · AIGEN Sciences
针对生物医学问答中不同答案类型设计LLM推理策略，结合多智体协作验证取得最佳结果
📌 工作参考价值（4 点）
- 问题类型路由：在推荐/搜索中，可对查询意图分类后路由到不同LLM推理策略，例如事实型查询用CoT，主观型查询用多Agent辩论，减少单一模板的偏差。
- 多Agent验证与集成：对于需要多源证据的推荐解释或复杂决策，可采用类似“提取-生成-验证-聚合”的协作链，提高答案可靠性和可解释性，尤其适合客服Agent或商品选品解释。
- 自反思与顺序扰动：yes/no问题中对证据片段进行洗牌和自反思，可降低模型对输入顺序的敏感性，增强预测稳定性；在广告创意排序或商品评论摘要中可借鉴，避免位置偏差。
- 集成预测与类型定制：将多个模型/模板的预测通过投票结合，并根据问题类型定制集成方式，这种方法可直接用于搜索广告Bidding中的多信号融合，提升出价策略的鲁棒性。
无限世界与多样交互
🧭 世界模型·多代理实时交互生成
Robbyant
支持无限时长实时交互的世界模型，通过因果预训练、模型蒸馏与双代理架构实现丰富动作与环境生成
📌 工作参考价值（4 点）
- 因果预训练保证长序列生成质量一致，可借鉴到电商推荐中的用户长期行为序列建模或生成式推荐的长序列解码。
- 从大模型蒸馏出低延迟实时变体的方法，可直接用于推荐系统在线推理，平衡效果与延迟。
- 双代理架构（规划代理+执行代理）可复用到对话式推荐或交互式搜索中：一个代理解析用户意图并规划步骤，另一个代理生成推荐结果或操作。
- 多样化交互元素扩增的思路，可用于推荐系统多模态内容生成，增加物料多样性。
自主信息寻求：Agentic 推荐系统的路线图
🧭 Agent 推荐系统自主性等级与范式综述 ★ 深度解读
National University of Singapore · Polytechnic University of Bari · Renmin University of China · University of Science and Technology of China
提出融合自主性等级与三种代理范式的统一分类法，系统梳理 LLM 代理如何改造推荐系统
📌 工作参考价值（4 点）
- 用 LoA 定位架构取舍：把自家系统映射到 L0–L5 谱系，明确当前痛点是工具调用（L3）、单 Agent 规划（L4）还是多 Agent 协同（L5），避免一上来就堆多 Agent。
- Agent 辅助而非替代：多数业务不需要 Agent 端到端取代原有推荐 pipeline。借鉴 L2–L3 的检索增强与工具驱动辅助模式，用 LLM Agent 做意图理解、约束推理、解释生成，保持原有召回/排序的稳定性。
- Memory 设计三件套：采纳 working/episodic/semantic memory 的分层设计，用短期对话摘要、跨 session 偏好记忆、语义知识库支撑个性化决策，在电商中可对应“购物车-历史订单-品类偏好”记忆体系。
- 多 Agent 协作的通信成本：从 manager–worker、debate–judge 等协作协议中选型时，优先用结构化工具调用管道而非自由对话，降低长链路中的 token 消耗与错误累积，并提前设计轨迹级评估指标。
AgentX：面向工业推荐系统的智能体驱动自我迭代
🧭 多智能体闭环驱动推荐策略与模型自进化 ★ 深度解读
Kuaishou
生产部署的多智能体闭环，自主生成、实现、评估并进化推荐实验，实现业务收益的复利增长。
📌 工作参考价值（5 点）
- 构建推荐迭代闭环智能体：将“想法→代码→A/B评估→知识沉淀”全流程 agent 化，把工程师从重复性劳动（拉数据、改配置）中解放，直接复用至电商/广告推荐策略迭代，显著提升实验并发量与产出速度。
- 证据加权生成与防重复机制：用实验 KB、系统 KB、数据分析、模型研究四类知识源对候选想法打分，自动过滤重复、不可行或违背护栏的策略，避免“重新发明失败”，可借鉴到搜索推荐实验管理平台。
- 生产代码可靠性保障：通过仓库模式查询、DSL 检查器、静态 lint 等多维验证，防止 LLM 生成代码时的属性幻觉和注册缺失，大幅降低人工介入，适合在自动化投放引擎或特征平台落地。
- 离线模型研究的可信归因：强制每个模型改动声明因果链和可观测量，并用专家投票与日志确定性提取来判断收益是否可信，防止无法归因的 AUC 增益污染知识库，对工业级 AutoML 或模型迭代管线有直接参考意义。
- 基于轨迹的自我进化（SGPO）：利用执行轨迹的语义梯度持续优化 prompt，形成“越用越强”的飞轮，可迁移至其他需要持续改良的 agent 系统（如广告文案生成、动态排序策略优化）。
NOVA：面向工业推荐系统架构演进的验证感知多智能体框架
🧭 Agent辅助架构自动演进 ★ 深度解读
Tencent Inc.
将模型架构修改视为反馈驱动的搜索，用“架构梯度”指导修改并级联验证扼杀静默失败
📌 工作参考价值（4 点）
- 架构搜索即反馈控制：借鉴SGD思想构造不可微的“架构梯度”，聚合上一次修改、验证诊断、指标差量和轨迹记忆，指引下一次修改方向；该模式可直接用于线上模型的自动化调参/升级，比盲测更经济。
- 多级验证阻断静默失败：在真实训练前加入结构语义门（检查shape/mask/特征映射/融合路径），使可编译但结构错误的候选提前终止，并将失败模式存储为后续迭代的“禁止方向”，能大幅减少无效GPU消耗。
- 风险分级与人工确认路由：按任务复杂度分L1–L4，高风险或技能覆盖不足的修改自动切至Copilot模式要求人工确认，这种生产安全机制可直接嵌入AutoML或Agent pipeline。
- 失败信号复用为搜索知识：除指标反馈外，将语义验证和工程失败模式结构化存入轨迹记忆，形成可复用的禁止方向，让后续迭代自动避开已知坑点，这一工程化trick可显著提升迭代有效率。
推荐即生成：工业规模上统一个性化视频生成与推荐
🧭 生成式推荐 · Semantic ID · 多智能体视频生成 ★ 深度解读
Kuaishou Technology · Beihang University
提出 RaG 范式，以解耦语义 ID 连接生成式推荐与多智能体视频生成，在快手广告场景实现闭环优化并获得广告收入提升
📌 工作参考价值（4 点）
- 解耦语义 ID 作为推荐与生成的统一接口：将视频表征拆解为内容语义与创意风格两部分 ID，既用于用户兴趣建模，又直接驱动下游视频生成。电商推荐中，同样可以设计分离的语义码本，分别控制商品推荐逻辑与展示素材风格，实现从“选品”到“创品”的链路打通。
- 多智能体分层视频生成架构：用三个角色特化的 Agent（视觉规划、音频对齐、效果增强）顺序执行，共享一个 LLM 骨干并重用 KV-cache。在电商广告素材自动生成中，可借鉴 Agent 协作流程和 append-only 状态序列化的 KV-cache 复用，降低大批量素材生成的推理延迟。
- 带约束的多目标奖励优化（GDPO + PID Lagrangian）：将用户反馈作为主目标，内容对齐与视频质量作为约束，通过组内奖励归一化和 PID 控制的拉格朗日乘子更新，稳定优化三个异构奖励信号。适合多目标推荐场景，如在优化点击率时控制素材质量与相关性阈值。
- 近线生成 + 缓存策略解耦实时推理：视频生成延迟高，通过 SID 索引缓存已生成视频，在缓存命中时几乎零延迟返回，未命中时用最近邻视频占位并异步补全。对于个性化落地页、动态广告素材等非实时性要求稍低的场景，可采用“近线生成 + 分层缓存”架构，平衡生成质量与响应时间。
基于多智能体语义重写的隐私保护RAG
🧭 多Agent语义重写实现隐私保护RAG
North China Electric Power University · University of Florida · University of Macau · Macau Millennium College
通过多Agent协作语义重写去除检索内容中的隐私，将LLaMA-3-8B信息泄露从144例降至1例，且离线预处理无在线延迟
📌 工作参考价值（4 点）
- 电商/推荐系统若用RAG检索含用户隐私的文档，可借鉴多Agent语义重写，在构建商品描述或用户画像时去除PII，平衡隐私与语义保真度。
- 异步预处理模块的设计不影响在线服务延迟，适合集成到数据ETL管道中，对实时推荐系统友好。
- 隐私提取-语义分析-重构的三Agent协作模式可复用到内容安全审核，多个代理协同检测并改写敏感信息。
- 对生成式推荐模型，在生成item文案时可用类似方法防止模型泄露训练数据中的隐私信息。
逃离自我确认陷阱：执行-蒸馏-验证的智能体经验学习框架
🧭 多智能体协作经验构建 ★ 深度解读
Zhejiang University · Tsinghua University · Northwestern Polytechnical University · University of Science and Technology of China · Shanghai Jiaotong University
通过多智能体异构执行、第三方对比蒸馏与共识验证，将经验学习从自反思循环重构为协作过滤，可靠抑制错误记忆污染
📌 工作参考价值（4 点）
- 经验构建的去偏设计：在电商Agent（如导购助手、客服Agent）的经验积累中，直接套用单智能体自总结容易把错误但自洽的交互流程当成成功案例写入记忆，导致后续任务复用错误策略。可借鉴EDV的第三方蒸馏：用另一个模型（或不同prompt的同一模型）对比多个并行执行轨迹，生成候选经验，减少执行者中心化的总结偏差。
- 共识验证提升记忆质量：在广告出价Agent或搜索推荐Agent的记忆更新时，引入执行者集体投票的默认拒绝机制，只有获得全体执行者一致认可的经验才进入共享记忆，部分认可则存入私有记忆。这能有效过滤幻觉与噪声，特别适用于无明确ground-truth的开放域任务。
- 异构执行增加探索多样性：实际业务中可部署多个不同模型（或同模型不同温度）对同一任务并行产生候选轨迹，而非简单增加重试次数。这样做能暴露不同的成功与失败模式，为后续经验提取提供更丰富的对比素材，类似推荐系统中的多样性采样。
- 能力矩阵与分层记忆：维护一个动态能力矩阵，记录各Agent擅长哪些任务类型；推理时先按任务匹配最适求解器，再从共享记忆和私有记忆中逐级检索。这种轻量级的路由+记忆分层模式可直接移植到多模型协同的推荐Agent系统，几乎不增加在线推理成本，却显著提升检索命中率和经验利用率。
超越全局重规划：跨设备智能体的分层恢复
🧭 多设备 Agent 分层恢复框架
Shanghai Jiao Tong University · Shanghai Innovation Institute · Southeast University · Tsinghua University
提出 H-RePlan 分层重规划框架，分离设备局部策略恢复与全局重规划，结合 HeraBench 故障注入基准，大幅提升多设备 Agent 任务完成鲁棒性并降低 token 消耗。
📌 工作参考价值（4 点）
- 分层故障隔离与恢复：在电商搜索/推荐系统的多服务 Agent 编排中，可借鉴设备本地策略恢复与全局重规划分离的思路，区分 API 故障、参数错误等局部可修复错误与需要重新规划跨服务流程的全局错误，避免代价高昂的全量重试。
- 多策略执行器设计：为每个服务节点（如召回、排序、广告投放）定义可互换的执行策略（例如 API 调用、脚本回退、GUI 模拟），当一种方式失败时快速切换，提升局部自愈能力，增强整体系统的容错性。
- 故障注入测试基准：参考 HeraBench 构建方法，为推荐/搜索 Agent 工作流注入策略级（如服务超时、数据格式错误）和设备级（如节点宕机）故障，系统评估 Agent 在动态异常下的成功率与指令遵循度，指导鲁棒性优化。
- 紧凑跨层抽象通信：在全局编排器与局部执行器之间使用结构化故障信号（如错误码、策略空间状态），减少 LLM 对话轮次和 token 消耗，可用于多 Agent 协作的轻量级信息传递设计。
SAGE：通过智能体引导探索的随机提示优化
🧭 提示优化 · 多智能体协作
Slingshot AI · University of Cambridge
提出多智能体诊断执行框架 SAGE，通过随机搜索与连续 A/B 测试将提示优化累积为统计显著的次日留存提升
📌 工作参考价值（4 点）
- 面向对话式推荐或客服机器人，可用 Agent 自动诊断 Bad Case 并生成修复提示，替代人工迭代
- 借鉴连续 A/B 测试范式，将单次噪声大的实验累积为长期关键指标（如留存、转化）的可靠增益
- 错误信息驱动的随机搜索策略成本低，可用于推荐系统召回/排序模块的 prompt 候选生成
- 多智能体协同中加入代码执行（如数据统计、校验），能提升诊断深度，可用于商品推荐理由生成的自动化调试
GateMem：多主体共享记忆智能体的记忆治理基准
🧭 多智能体共享记忆治理评估
Jilin University · Shanghai Jiao Tong University · King Abdullah University of Science and Technology (KAUST) · Tsinghua University · National University of Singapore
首创多主体共享记忆治理基准，评估效用、访问控制与遗忘，揭示当前智能体在可靠共享记忆上的不足
📌 工作参考价值（4 点）
- 共享记忆治理是电商/客服多角色Agent（如买家、卖家、平台客服）的刚需：不同主体写入和查询的权限隔离、状态更新与遗忘机制，可直接借鉴GateMem的三维评估框架来设计系统测试集。
- 主动遗忘（active forgetting）能力对电商Agent至关重要：当用户请求删除历史记录或账户注销时，需要确保记忆真正消除，GateMem的遗忘泄露测试方法可复用于验证内部记忆模块的合规性。
- 长上下文提示虽然治理得分更高，但高token成本不适用于大规模推荐/对话系统；检索式内存机制成本低却易泄露，这提示工程上需要混合方案：对敏感记忆用封装API进行精确擦除，对非敏感长语境采用压缩摘要。
- 可借鉴的工程实现：增量记忆注入和隐藏检查点（hidden checkpoints）的评测设计，能度量记忆在连续交互中的漂移和泄露，适用于推荐系统中用户画像的忠诚度与隐私验证。
面向物理科学的深度研究：多智能体框架与综合基准
🧭 多智能体科学推理加速
Shanghai Artificial Intelligence Laboratory · Xiamen University · Chinese Academy of Sciences · University College London · Wuhan University
提出物理科学深度研究基准PhySciBench，并设计多智能体框架DelveAgent，通过自适应规划、双粒度记忆和分层反思显著提升准确率并降低成本
📌 工作参考价值（4 点）
- 模块化多智能体设计可迁移至搜索推荐多步推理：DelveAgent 的自适应规划循环（Adaptive Planning Loop）可直接用于电商搜索中的复杂查询分解与动态规划，比如商品对比、多方约束推荐等需要多步推理的场景。
- 双粒度记忆（Dual-granularity Memory）提升长对话一致性：短期记忆存交互轨迹，长期记忆存领域知识，可借鉴到用户对话系统中，跨 session 保留用户偏好与领域事实，避免重复询问。
- 分层反思（Hierarchical Reflection）实现业务规则自检：物理基础反思机制强制模型验证结果是否符合物理定律，对应电商场景可设计“利润约束反思”“库存约束反思”等模块，降低幻觉，提升推荐合理性。
- 成本降低至 1/3 的工程启发：DelveAgent 在提升准确率的同时大幅降低推理成本，其架构中的知识检索、记忆复用等降本手段，可复用于线上 Agent 的调用优化，减少 LLM 重复推理。
MODE-RAG：流形异常诊断与能量检索增强生成评估的多智能体系统
🧭 多模态RAG幻觉缓解 · 基于能量的多智体评估
School of Computer Science & Tech, Huazhong University of Science and Technology · School of AI and Automation, Huazhong University of Science and Technology
提出多智能体系统MODE-RAG，利用变分自由能和注意力动态门控，结合MCTS与logit惩罚来缓解多模态RAG幻觉
📌 工作参考价值（4 点）
- Agent 动态门控机制：基于内部注意力状态和变分自由能（VFE）的风险评估，可用于电商搜索/推荐Agent的决策路由，对高不确定性查询触发更严格的事实核查，避免复杂推理链中的错误传播。
- MCTS 因果推导修正：在推荐解释生成或对话式推荐中，可借鉴蒙特卡洛树搜索对候选推荐理由进行因果验证，减少编造理由（sycophancy），提升可信度。
- Logit 扰动惩罚逢迎：对于倾向生成迎合用户的虚假解释，通过在解码时施加针对性的logit惩罚，可迁移到对话Agent中抑制讨好性幻觉。
- 多智体协作流水线：Correction和Overseer Agent 的分工模式可复用到搜索推荐系统的后处理流程，例如事实核对Agent、格式化稳定Agent，增强最后输出可靠性。
从受训者到训练师：LLM 自动设计多智体强化学习训练环境
🧭 LLM 辅助多智体强化学习环境自动设计
LARK, HKUST (GZ) · University of Cambridge · HKUST
让当前策略 LLM 分析失败轨迹并自动提议下一阶段训练环境配置，小模型超越大模型
📌 工作参考价值（4 点）
- 自适应环境工程：借鉴 LLM-as-Environment-Engineer 范式，在推荐系统或搜索决策 RL 训练中，将用户行为日志、推荐失败案例作为上下文，让模型自动调整仿真环境参数（如用户偏好分布、商品流行度），实现无需手工调参的课程学习。
- 失败驱动优化：验证了失败轨迹是最有效的环境更新信号；在业务 Agent 开发中，可周期性收集策略失败案例并结构化描述，让 LLM 生成下一次迭代的环境或训练数据修正，聚焦弱点针对性训练。
- 小模型超越大模型：发现当前 RL 微调后的 checkpoint 比原始基模型更适合做环境诊断；在资源受限的业务场景，可采用领域微调的小模型进行训练环境设计，成本更低且效果更好。
- 上下文摘要工程：文中使用的结构化总结（策略行为统计 + 失败案例 + 环境统计）可作为提示设计模板，用于任何需要 LLM 根据系统状态做决策的场景，如广告投放策略的自动调整。
面向LLM-Agent工作流中并行分支的直接隐空间合成
🧭 Multi-Agent 并行合成 · KV cache 复用 ★ 深度解读
Georgia Institute of Technology · Meta
让合成器直接消费并行Worker的KV cache，通过两阶段训练和cache映射实现高效高质量的并行分支汇总
📌 工作参考价值（4 点）
- 用KV cache替代文本串联进行Agent间通信：在并行子Agent完成推理后，直接复用其KV cache，避免重新编码文本前缀，大幅降低TTFT。对电商客服、多工具调用等并行任务可显著提升响应速度。
- 两阶段训练策略值得借鉴：先通过大规模并行上下文对话数据做通用适应（Track 1），再通过蒸馏文本合成轨迹获得推理能力（Track 2），最后合并checkpoint而非顺序微调，能避免遗忘并平衡泛化与推理。这在需要同时处理简单汇总和复杂判断的推荐/问答系统中可复用。
- 可学习的Cache Mapper + LoRA组合：使用MLP根据分支数、长度生成仿射校准系数，配合LoRA适配，让模型适应非顺序的cache输入。工程上成本低，可作为即插即用模块接入现有的并行Multi-Agent流程。
- 轨迹信息选择对效率敏感：实验表明只传worker的final output能实现最佳准确率-延迟折衷，传完整轨迹虽准确率高但开销大。在电商推荐Agent中，可优先压缩子Agent输出为简洁摘要再合成，避免完整交互历史的重传。
多智能体编排的奖励建模
🧭 多智体编排 · 奖励建模 ★ 深度解读
Rutgers University · Salesforce AI Research
提出编排级奖励模型 Orch-RM，用自监督偏好对训练，无需人工标注和子 Agent 全量执行，显著提升测试时缩放和编排器训练的效率与效果
📌 工作参考价值（4 点）
- 编排级奖励信号直接用于推理：Orch-RM 在编排层面评分，无需执行子 Agent 即可选择最优编排方案，将 BrowseComp 验证成本从 142.8M token 降至 8.26M，准确率还提升 1.5%。电商多 Agent 场景（如客服路由、推荐流程编排）可借鉴，在低延迟要求下用轻量奖励模型筛选高质量协作图。
- 利用训练中间产物构造偏好对：从训练检查点和轨迹中自动构造“专用优于基础”和“正确优于错误”两类偏好对，无需人工标注。业务中若已有多 Agent 训练日志，可直接复用该自监督构造方法，大幅降低评估器标注成本。
- 奖励模型指导继续训练：Orch-RM 替代全轨迹 GRPO 的稀疏奖励，在 AIME 24&25 上使用约 1/10 的训练 token 取得 3% 的 majority vote 提升，BrowseComp 上更以 1/46 token 量实现 2% 提升。对于需要频繁迭代的编排策略模型，可大幅节省训练算力。
- 域特定奖励模型可迁移：论文训练了数学、Web QA 等域特定奖励模型，并在 GPQA（科学推理）上验证了跨域泛化能力。电商多域（推荐、搜索、客服）可分别训练编排评估器，或探索多域融合的统一奖励模型，降低重复训练成本。
HarnessX：可组合、自适应、可进化的 Agent 运行时脚手架工厂
🧭 Agent 多智体协作优化 ★ 深度解读
Darwin Agent Team
将 Agent 运行时脚手架抽象为一等公民，通过模块化处理器、进化引擎与协同训练实现自动优化，在多基准上平均提升 14.5%
📌 工作参考价值（4 点）
- 模块化处理器架构：将 Agent 行为拆解为上下文组装、工具生态、内存策略、控制流等九维处理器，通过 hook 和替换代数实现可组合、可替换的运行时。电商推荐、对话 Agent 可根据场景（搜索、推荐、售后）快速组装不同的 prompt/工具组合，无需重复开发。
- Trace 驱动的自适应优化：AEGIS 引擎将执行轨迹、验证分数转化为进化信号，自动调整 Agent 的 prompt、工具选择与交互流程。在电商场景中，可将用户反馈（点击、转化）作为 reward，让 Agent 在线自动优化推荐话术、多步检索策略，且通过变体隔离避免多任务间相互干扰。
- 跨策略版本协同训练：利用不同脚手架版本产生的轨迹进行 GRPO 训练，任务级分组计算 group-relative advantage，让模型内化多种策略的优点。可用于训练电商 Agent 从混合策略数据（如不同召回/排序规则）中学习最优决策，突破固定策略的限制。
- 共享回放缓冲区的经济性：Harness 进化与模型训练复用同一批 rollout 轨迹，仅增加一次前向缓存和梯度计算，无额外环境交互成本。对于需要频繁迭代的线上 Agent 系统，该方法以较低算力开销实现智能化升级。
智能体评估的智能体化：用标准化协议实现开放、标准、可复现的评估
🧭 Agent 评估标准化 · 多智能体评估 ★ 深度解读
UC Berkeley · UC Santa Cruz · EPFL · IBM Research · Carnegie Mellon University
将基准测试本身封装为 judge agent，通过 A2A 与 MCP 解耦评估逻辑，使任意智能体无需定制即可互操作
📌 工作参考价值（4 点）
- 标准化评估接口：用 A2A（任务分发）与 MCP（工具访问）解耦 benchmark 与待测 agent，消除 N×M 集成成本，可直接复用到电商多智体评测（如客服 agent、推荐 agent、风控 agent），仅需实现 A2A wrapper 即可接入任何 judge agent。
- 多种部署模式：远程/托管/代理/CI 模式覆盖隐私与公开需求，电商团队可选择本地模式保护闭源 agent，或通过 CI 模式把评估嵌入 CI/CD，实现上线前自动化回归。
- 可组合的 judge agent 设计：judge agent 内部可灵活组合用户模拟器、LLM-as-judge 等子 agent，便于构建自定义评估流水线，如模拟买家行为、评估商品推荐 agent 的多轮对话质量。
- 降低评估门槛：通过自然语言描述评估逻辑（semantic internalization）即可快速创建新 benchmark，无需硬编码，适合业务快速验证新场景下的 agent 行为。
ArogyaSutra：面向印度语的多模态医学推理多智能体框架
🧭 多智能体医学推理 · 多模态多语言
Indian Institute of Technology Patna · Indian Institute of Technology Kanpur · Prasannadeb Women's College
构建多语言多模态医学数据集并提出 actor-critic 多智能体框架，融合工具与双记忆机制提升推理精度。
📌 工作参考价值（4 点）
- Actor-critic 多智能体协作范式可迁移至电商客服或导购 Agent：Actor 生成动作（如查询商品、调用 API），Critic 评估合理性并存入双记忆（成功/失败轨迹），在线蒸馏后可压缩为小型决策模型，适合高并发场景。
- 双记忆机制（成功经验池 + 失败经验池）可用于推荐 Agent 的反思与纠错：在商品推荐、参数解析错误时，失败记忆提供负样本，配合 critic 评分驱动策略改进，比单纯正样本微调更稳健。
- 工具接地（tool grounding）思路可借鉴到电商搜索 Agent：将商品数据库、优惠规则、物流 API 等封装为工具，多智能体通过调用工具而非依赖模型记忆事实，减少幻觉，尤其适合频繁更新的促销活动。
- 多语言低资源场景的蒸馏策略：用教师多智能体在丰富数据上模拟推理轨迹，再蒸馏到学生模型，可快速覆盖小语种或方言搜索场景，降低标注成本。
看见我所见，知晓我所想：异构智能体的密集隐空间通信
🧭 多智能体隐空间通信 · 异构KV缓存对齐 ★ 深度解读
University of Michigan · NVIDIA · University of Pennsylvania · University of Colorado Boulder · Michigan State University
提出异构多智体KV缓存密集对齐框架，实现跨模型知识迁移和高效通信，计算量降低2-3倍。
📌 工作参考价值（4 点）
- 跨模型知识迁移：在电商多模型 Agent 系统中（如不同尺寸LLM协作），可直接使用论文的两阶段训练（Phase I 重建对齐，Phase II 生成微调）和跨模型 KV-cache 适配器，让大模型直接将自己的“思考状态”注入小模型，避免重复编码上下文，大幅降低推理成本。
- 上下文不感知的高效通信：当接收方 Agent 无法访问原始输入（如隐私限制或带宽限制），论文的密集对齐方法可作为现成方案，将发送方的知识与推理一并压缩进 transformable KV-cache，接收方仅凭 cache 即可完成任务，这适用于电商推荐中跨域、跨设备的同步策略。
- 稀疏推理信号与门控机制：压缩感知分析指出上下文感知通信仅需少量 KV 组即可作为推理指引，可借鉴其按头组门控选择与重要性评分，在生成式推荐或 query 理解中，对跨模型传递的“提示信号”进行选择性裁剪，兼顾精度与效率。
- 位置解耦与层对齐：论文中剥离 RoPE 进行内容匹配的设计，可迁移到异构 Transformer 间的特征迁移场景，例如将不同结构的推荐模型（双塔、多模态编码器）的中间表示进行对齐，实现模块级复用。
MaxProof：基于生成式验证器RL和群体级测试时扩展的数学证明规模化
🧭 数学证明 · 生成式验证器 · 测试时扩展
MiniMax · The Chinese University of Hong Kong · Fudan University · Peking University · Tsinghua University
通过生成-验证-修复一体化训练与锦标赛搜索，在IMO 2025和USAMO 2026上超越人类金牌线
📌 工作参考价值（4 点）
- 防御式多层验证器（defense-in-depth verifier）降低误判的思路可迁移至电商推荐中的内容审核、虚假评论检测等高风险场景，通过生成式模型直接判断并给出理由提升解释性。
- 群体级测试时扩展（population-level test-time scaling）的锦标赛搜索框架可启发多智能体推荐系统，将生成、验证、排序等角色分配给同一模型的不同调用，在推理阶段提升最终推荐质量。
- 将验证器训练与生成器对齐，通过“错误发现”任务强化模型对瑕疵的感知，这一范式可用于商品描述生成或广告文案的自我修正，减少人工审核成本。
- RF过程中的数据领域和技巧平衡策略（domain and trick balance）对电商冷启动或长尾商品建模有借鉴意义，通过构造均衡训练集避免模型偏向高频模式。
数据记者智能体：端到端生成可溯源的交互式数据报道
🧭 Agent · 多智能体协作与可验证内容生成 ★ 深度解读
University of Oxford · Stanford University
提出七角色虚拟新闻室与 Inspector 证据链机制，将原始数据转化为可验证的多模态互动文章
📌 工作参考价值（4 点）
- 可溯源的 Agent 输出设计：Inspector 将最终页面的每个声明（数值、图表、引用）绑定到上游的代码行或源 URL。在电商 Agent（如导购、客服、报告生成）中可借鉴这一模式，对每一条生成的内容附加证据指针，实现“可审计的推荐理由”或“可核查的 AIGC 描述”。
- 多角色协作的工作流编排：Detective-Analyst-Editor-Designer-Programmer 的分工清晰，尤其适合需要外部搜索、数据分析、叙事构建的复杂流程。在电商场景下，可以把市场洞察 Agent、商品知识库、文案撰写 Agent 和交互式落地页生成串联，提升从数据到营销内容的自动化程度。
- 多模态生成与受众适配：Designer 根据数据主题和读者偏好动态选择交互形式（地图、音频、可玩 demo），而非强制静态图表。在推荐解释或商品展示中，可以借鉴“先理解读者/场景，再生成最适配的媒体形态”的思路，例如对地理相关的生鲜推荐使用交互地图，对音乐类商品嵌入音频试听。
- 用计算机使用 Agent 做低成本评估：采用 browser-use agent 对交互式页面进行自动化评审，与人类评分排名有 0.44 的 Spearman 相关，可用作快速迭代期的排序性评估，节省人工费。在生成式推荐首页、导购页面等交互产出上，该思路可用于回归测试或候选排序。
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。
MAVIS：基于结构化视频理解的多智能体视频检索
🧭 多智能体视频检索 · 结构化语义理解 ★ 深度解读
Great Bay University · Nankai University · Tsinghua University · The University of Tokyo
用多智能体协作＋逻辑否决辩论代替全库暴力搜索，实现免训练且高效的视频检索。
📌 工作参考价值（4 点）
- 结构化属性索引思路可迁移：将商品/素材预解析为场景、对象、动作等属性库，实现按语义类别快速查找，避免每次检索都扫描全库，适合电商多模态搜索和推荐。
- 多智能体协作的逻辑否决机制：多个专家代理独立提名候选，再通过严格否决协议排除逻辑冲突项，这一思路可直接用于推荐系统的多维度一致性校验（如类目、属性、用户画像冲突过滤），减少错误推荐。
- 免训练的零样本流程：利用现成 MLLM 和 VLM 完成任务，无需微调，大幅降低业务落地时对标注数据和 GPU 资源的依赖，适合快速迭代的电商场景。
- 可解释的粗到细检索范式：先粗筛后细排，且每个代理的决策过程可追溯，便于在线 debug 和规则干预，对高可靠要求的电商搜索解释性有借鉴意义。
SearchSwarm：训练长程深度搜索 Agent 的委托智能
🧭 Agent 长程任务委托与上下文管理 ★ 深度解读
Ant Group · Tsinghua University · Peking University · Renmin University of China
通过 harness 引导主 Agent 分解并委托子任务，再用 SFT 内化委托行为，在 30B 规模实现长程搜索 SOTA
📌 工作参考价值（4 点）
- Harness 设计可直接迁移到电商多 Agent 场景：主 Agent 负责商品调研、竞品分析等长程任务时，借鉴「写简报必须含任务背景、已确认事实、未解决疑点」的原则，让子 Agent 有足够上下文产出高质量结果，减少主 Agent 令牌消耗和重复探索。
- SFT 数据合成策略：利用强模型当主 Agent 搭配弱模型当子 Agent 收集轨迹，迫使主模型学会更严谨的任务分解与结果验证，可用于训练电商客服、供应链优化等场景中的协调 Agent。
- 委托能力泛化证明单 Agent 推理也能受益：即使去掉子调用工具，训练后的模型在单 Agent 任务上表现仍有提升，说明通过多 Agent 轨迹 SFT 可增强模型的结构化问题分解能力，适用于推荐系统复杂查询的逐步推理。
- 强制引用报告可提升溯源可信度：要求子 Agent 报告附带行内引用，主 Agent 最终回答也需附来源，这对电商商品推荐、信息核查等需要可解释输出场景有直接借鉴意义；实现方式是在 prompt 中约束输出格式并以此过滤训练数据。
视觉并行思维者++：单策略多智能体视觉推理框架
🧭 多模态多智能体协作与推理优化 ★ 深度解读
Zhejiang University · Hunan University · Tianjin University · University of Chinese Academy of Sciences · Shanghai Jiao Tong University
提出单策略多智能体视觉推理系统，通过角色解耦优化和KV缓存复用减少幻觉，在六大基准上超越单轨迹方法。
📌 工作参考价值（4 点）
- 多 Agent 单策略架构：一个大模型通过角色词元条件化为多个子 agent，共享权重，降低部署成本，适合电商推荐系统中的多任务协作（如意图识别、对话管理、商品推荐）。
- 角色解耦优势分配：将不同角色的奖励和优势仅作用于对应词元段，避免梯度冲突。在推荐 Agent 中，可对规划、执行、总结模块分别设计奖励信号，精细优化。
- 固定任务分配模式：定义了两种固定分配模式（分块和扫描序），避免开放式规划的不稳定性。在商品搜索与推荐任务中，可以预定义子任务划分（如属性识别、价格比较、用户评论分析）来提升并行推理可靠性。
- KV 缓存复用推理引擎：通过共享视觉前缀并分叉生成 Worker 序列，显著降低多 Agent 推理的显存和时间开销，适合在线推理场景，可应用于多路召回或并行探索的推荐系统。
论文导师：面向 Overleaf 的人本中心多智能体写作辅导系统
🧭 多智能体写作辅导系统
Carnegie Mellon University · University of Toronto · Vector Institute · ETH Zurich · Max Planck Institute for Intelligent Systems
构建专家技能库并协调 12 个专业 Agent，在 Overleaf 中提供可操作的论文修改建议
📌 工作参考价值（4 点）
- 专家技能库（Skill Library）设计：从资深研究者写作建议中提炼领域技能，并注入 Agent prompt，可迁移到电商场景中构建商品文案审核、客服应答等专用 Agent 的行为准则。
- 多智能体协同架构：将写作任务拆解为格式合规、措辞准确、术语一致等 12 个子任务，各 Agent 并行工作，这一模式可用于复杂推荐解释生成、多维度内容审查等场景。
- 工具链嵌入与交互设计：以 Overleaf 原生行内批注形式提供建议，不破坏用户主流程，类似思想可直接用在内部文案编辑、CRM 消息审核工具的 AI 增强上。
- 人本中心原则：AI 只提建议，写作仍由人完成，这种保留人工决策的设计适合电商中需要品控把关的环节，如大促文案、政策通知的 AI 辅助撰写。
DNQ：部分可观测 n 人博弈的深度纳什 Q 网络
🧭 多智能体博弈 · 求解器监督策略学习
交替训练框架，利用均衡求解器为多智能体策略提供监督信号，并通过成对分解实现可扩展的博弈训练。
📌 工作参考价值（4 点）
- 均衡求解器作为策略监督：对于电商竞价广告、多智能体资源分配等非平稳环境，可直接将外部博弈求解器（如 Nash 均衡计算）生成的目标分布作为策略模仿的监督信号，避免传统 RL 的不稳定训练。
- 成对分解降低复杂度：当智能体数量多时，将 n 人博弈分解为每对智能体的双人博弈，大幅降低均衡求解成本和训练时间，适合大规模多智能体场景（如多商家竞价）。
- 掩码策略用于合法动作：在策略模仿时对不合法的动作（如超出预算的竞价）进行掩码，只对合法动作分布计算 KL 散度，确保策略始终满足约束，可直接借鉴到带约束的推荐出价策略中。
- 共享批评家摊销收益学习：用一个共享网络预测所有智能体对的收益矩阵，减少参数并加速收敛，适用于智能体间存在对称或相似属性的场景，如电商平台多个类似卖家竞价。
MemGraphRAG：基于记忆的多智能体图检索增强生成
🧭 多智能体协同 · 图检索增强生成 ★ 深度解读
Xiamen University · Jilin University
用三层全局记忆与多智能体协同消除知识图谱构建中的局部噪声与冲突，实现高精度低延迟的图检索增强生成。
📌 工作参考价值（4 点）
- 知识图谱自动化清洗与一致化：电商商品知识图谱常因多渠道爬取导致属性冲突（如价格、规格矛盾），可借鉴记忆层冲突检测‑证据比对‑裁决的多 Agent 闭环，自动合并冗余、修正错误三元组。
- 全局主题过滤防止无关抽取：在构建推荐或问答用知识图谱时，设定 Schema 频率阈值过滤低频噪音，避免局部抽取引入偏离主商品类目的 off‑topic 事实，提升图谱信噪比。
- 结构感知的检索初始化：处理包含海量类目节点的商品图谱时，对高连通度的“类目”节点使用 log‑degree 惩罚初始化，防止 PPR 传播时重要性被泛化节点稀释，确保多跳推理聚焦于具体商品实体。
- 分层记忆检索范式：在生成式推荐或对话中，可按本体 → 事实 → 文本段落逐层召回、过滤，先匹配类目与属性范式再定位具体商品与评论文本，兼顾粗粒度的语义约束与细粒度的证据支撑。
基于专家混合知识图谱检索增强的多智能体 LLM 推荐
🧭 多智能体 KG-RAG 推荐 · 查询感知检索与对齐优化 ★ 深度解读
The Hong Kong Polytechnic University · City University of Hong Kong · National University of Singapore
提出多智能体框架 MixRAGRec，通过查询感知的多粒度 KG 检索与联合优化，实现高效知识增强推荐
📌 工作参考价值（4 点）
- 查询感知的多粒度检索：根据用户查询复杂程度动态选择 KG 检索粒度（无检索/三元组/子图/连通图），避免简单查询过度检索、复杂查询检索不足，平衡成本与效果。电商搜索中可借鉴类似 MoE 路由，针对不同意图（属性筛选 vs. 宽泛需求）切换知识源。
- 结构化知识对齐 Agent：用专门的小型 LLM 将图结构知识转为自然语言摘要，减少噪声、保留推荐相关结构信息。在商品知识图谱场景下，可先用模板初转再让 Agent 精炼，作为 LLM 上下文注入。
- 多智能体联合优化（MMAPO）：使用共享奖励函数（推荐准确性 + 边际信息增益）并通过 GAE 估计优势，实现检索决策与内容生成的端到端训练。此框架可推广到需要协调离散选择（检索策略/API 调用）与连续生成（文案/推荐列表）的 Agent 系统。
- 对比偏好学习与硬负挖掘：在推荐模型中引入对比损失，自动挖掘困难负样本，能有效区分高度相似的候选物品。该方法可直接用于商品推荐排名模型的 fine-tune，提升 Top-K 精度。
迈向可验证多模态深度研究：交错报告生成的多智能体框架
🧭 多Agent协同生成可验证多模态报告
Gaoling School of Artificial Intelligence, Renmin University of China
Ptah通过多智能体编排、视觉工作记忆和验证器确保图文交错报告的可靠性与跨模态一致性。
📌 工作参考价值（4 点）
- 多智能体任务编排：将深度研究拆解为规划、研究、写作阶段，各阶段由专职Agent负责，电商Agent系统可借鉴此分工模式（如商品详情生成时，信息采集、文案撰写、事实核查分离）
- 验证器作为质量守门人：通过独立Verifier Agent在执行过程中持续检查事实基础、引用一致性和跨模态对齐，可引入到生成式推荐或自动文案管线中，降低幻觉风险
- 视觉工作记忆机制：用结构化记忆维护多模态证据的来源对应关系，避免图文错配，电商多模态Agent在生成商品描述或对比评测时可直接复用类似设计
- 评估协议PtahEval的启示：在传统文本评估外增加图像级和呈现级指标，业务中评价多模态推荐或交互式报告时可设计类似的分层评测体系
AutoScientists: 自组织多智能体团队实现长周期科学实验自动化
🧭 去中心化多智能体自组织协作 ★ 深度解读
Harvard University
提出去中心化自组织多智能体团队，通过共享状态与动态重组，在生物医学、GPT优化和蛋白质工程中超越现有科学代理
📌 工作参考价值（4 点）
- 去中心化团队协作范式可迁移至多 Agent 推荐系统优化：通过共享状态（实验日志、死胡同注册表、论坛）让 Agent 相互“看到”对方的尝试与失败，避免重复探索，适合电商中多目标排序、个性化策略的并行搜索。
- 分析师与实验者角色分离：分析师 Agent 专职审核实验方向、生成和排序提案；实验者 Agent 实施并记录结果。这种分工可以用于生成式推荐中，由“策略脑”规划增量实验，“执行手”跑 A/B 测试。
- 动态重组与死胡同注册：当某方向连续无提升时，自动触发讨论并重组团队，将探索资源转移到新方向。可用于 Agent 系统在在线学习场景中的自适应调整。
- 实验前同行批评过滤：利用 Agent 间的异步讨论筛掉弱提案，节省算力。可借鉴到搜索链路中的策略预审或流量分配前的集体评估。
PolyGnosis 2.0：基于Agent工程提升LLM在预测市场与OSINT中的洞察推理
🧭 多智能体协作 · Harness 工程 ★ 深度解读
The Chinese University of Hong Kong · Evolution AI Lab
通过可控消融实验量化多智能体反射、分治等 Harness 技术对推理准确率的效用，发现分治是关键，终端反射有害。
📌 工作参考价值（4 点）
- 组件效益的消融方法论：论文对聚类、推理阶段的反射、工具调用、分治、CoT 进行了系统的 A/B 实验，并量化了准确率、延迟、成本的变化。在电商推荐场景中，也可以类似地逐层解剖多智能体流程，识别真正有效的组件，避免堆砌复杂架构却引入额外噪声。
- 分治策略防信息污染：实验证明全局上下文会导致跨主题干扰，准确率从 0.799 骤降至 0.447。对于电商场景中处理海量商品、类目、用户评论的多源信息聚合，强烈建议按类目或业务线进行物理切分，每个分片独立推理，再汇总结果。
- 警惕终端反思的过度修正：分析阶段加入反思后准确率从 0.799 降至 0.700，尤其在结构化特征（如鲸鱼质量）上误判严重。这启示我们在生成式推荐中，若上游 agent 已经取得较高准确率（~80%），引入二次反思可能因 “解释化” 偏差而覆盖原始正确判断，应严格限制反思的作用域（如仅用于聚类等结构对齐任务）。
- 可插拔的确定性验证器：大模型在“观点对齐”判断中存在严重的“共识偏差”，倾向于输出“consensus”，即使信号矛盾。在推荐解释生成或风控对齐等任务中，可借鉴此发现，在管线末端加入轻量级的规则验证模块，直接对比上游独立输出的结构化标签，强制驱逐叙事漂移。
暗森林：通过受控通信提升多智能体大模型推理精度
🧭 多智能体LLM协作 · 受控通信与证据校准 ★ 深度解读
University of Texas at Dallas · Independent Researcher · University of California, Davis
提出受控通信框架 DarkForest，通过独立生成、校准信念和紧凑证据披露，在六个推理基准上取得领先精度，通信量降低高达 6.5 倍。
📌 工作参考价值（4 点）
- 在多智能体投票/决策中，用校准信念代替简单多数投票：引入代理历史可靠性（α）、联合模式可靠性（R）、置信度重加权（ϕ）、解析质量折扣（ρ）和独立性校正（δ），生成后验分布指导最终选择，可减少电商推荐中多模型融合的误判。
- 限制代理间通信：只向协调者暴露紧凑的候选摘要、支持模式和后验边距，不传递完整推理链，直接降低 token 消耗和延迟，适合高吞吐的在线 Agent 系统。
- 采用“独立生成 + 协调者 + 确定性守卫”架构：协调者基于证据做出决策，只有当信念状态强烈支持某一候选且与协调者输出冲突时才触发守卫，防止强证据被大模型输出的随机性覆盖，可借鉴到客服/推荐的多路召回后融合。
- 离线校准参数（可靠性、折扣因子等）无运行时额外开销：对电商 Agent 的历史行为日志进行离线统计即可建立代理可信度表，部署时不增加模型调用成本。
LLM Agent 大规模轨迹诊断系统 Insights Generator
🧭 Agent 多智能体诊断与优化 ★ 深度解读
Scale AI
多智能体系统通过迭代假设-验证循环，从海量执行轨迹中自动发现并量化系统性行为模式，生成有证据支撑的诊断报告
📌 工作参考价值（4 点）
- 大规模轨迹分析的工程参考：将轨迹数据预处理成结构化 Parquet，构建 schema 缓存和向量索引，Agent 只通过 Python REPL 调用统计工具而非直接读取原始文本，可大幅降低上下文消耗，适用于电商 Agent 日志的海量诊断。
- 假设-验证分离的 Agent 角色设计：Scout 负责在小样本中探索模式提出候选假设，Investigator 在全量数据上进行统计验证并计算效应量（p 值、odd ratio），这种分工可迁移至推荐系统 Agent 的 A/B 实验诊断或行为差异分析。
- 报告驱动的 scaffold 优化：人类专家使用 IG 报告后，scaffold 性能提升 30.4 pp（对比无报告基线），且报告深度与证据质量直接影响修改效率；在自动优化循环中，每轮重新生成分析报告可以避免纯 scaffold 搜索的退化。可借鉴该闭环思想，将生成式推荐或电商 Agent 的离线评估日志自动转化为 prompt 或工具链的改进建议。
- 评估框架的复用：提出的四维度评估（覆盖度、配对胜率、质量评分、人工干预提升）可作为自建 Agent 诊断系统效果的度量标准，尤其适合验证诊断报告对工程师开发效率的实际价值。
迈向 AI 可视化协同科学家：端到端智能体自动生成定制可视化应用
🧭 Agent · 多智能体协同 · 自动化可视化
Lawrence Livermore National Laboratory · Vanderbilt University · University of Notre Dame
提出多智能体协同框架，仅凭数据与高层描述自动生成领域定制的交互式可视化分析应用
📌 工作参考价值（4 点）
- 多智能体流水线设计：将复杂任务分解为探索、规划、实现、验证、评估等阶段，每个阶段由专门 Agent 负责，产出结构化文档驱动下游，可借鉴至推荐或 Agent 系统的自动化流程编排。
- 层级记忆系统：跨会话存储洞察和经验，回流学习机制可应用于 Agent 长期记忆与知识积累，提升后续任务效率。
- 基于浏览器验证的闭环设计：利用真实环境反馈自动迭代修复，类似电商场景中通过仿真环境验证推荐策略或 Agent 决策，提升可靠性。
- 任务驱动验证基准：以未明确规定的真实竞赛任务为测试集，提供一种脱离固定评测集的思路，可用于生成式推荐或 Agent 系统以任务完成度作为最终指标。
从可运行到可交付：多Agent测试驱动全栈Web应用生成
🧭 代码Agent测试驱动开发优化 ★ 深度解读
The Chinese University of Hong Kong · Columbia University · Singapore Management University
TDDev框架通过自动化验收测试、浏览器交互验证与失败翻译，使全栈Web应用生成质量提升34-48个百分点，且协议必须匹配模型风格。
📌 工作参考价值（4 点）
- 测试驱动的闭环反馈可用于生成式推荐或Agent管线：将业务需求（如“推荐多样化商品”）自动转化为结构化验收用例（用户故事+交互步骤+预期结果），由LLM agent模拟用户行为在部署环境执行验证，再将失败点转化为代码修复信号，可复用至多步推理或工具调用场景。
- 协议与模型生成风格匹配原则：在Agent工作流编排中，对偏好整体重写的模型（如Sonnet）应赋予高自主权的agentic TDD（仅给予工具和流程提示，不强制步骤），对偏好增量修改的模型（如Qwen）应采用分步强制的incremental TDD；错配会完全抵消反馈增益，且token消耗数倍增加，这一规律可迁移至多Agent协作策略选择。
- 浏览器交互验证的轻量化架构：使用Playwright + 可访问性树作为页面状态表示，由同一个LLM逐步生成Playwright动作并根据历史轨迹给出通过/失败/部分通过的verdict，无需预知页面结构，实现低误判（100%缺陷召回率，仅有保守型假阴性），该设计可直接用于电商Agent的UI自动化测试或端到端功能回归。
- 成本-质量权衡的量化方法：通过计算每提升一个百分点的token消耗（tok/pp），为不同协议建立边际成本曲线，指导生产环境选型；实验中增量TDD对保守模型带来最高精度但token消耗是整体TDD的24倍，为类似Agent系统的算力预算提供参考。
Genflow广告工作室：品牌对齐、自纠错的复合式AI视频生成架构
🧭 多智能体自纠错视频生成 ★ 深度解读
Google
通过检索品牌DNA约束和多智能体对抗QC循环将品牌合规视频生成合格率从42%提升到89%
📌 工作参考价值（4 点）
- 多智能体对抗QC循环可直接借鉴到内容质量审核：用不同角色的VLM并行检查内容（如品牌合规、文本纠错），汇总后由编排器给出修复建议，实现迭代纠错，适用于商品文案、广告素材的自动校验。
- 强类型结构化输出保证流水线鲁棒性：用Pydantic模型强制LLM输出JSON Schema，避免下游工具解析失败，推荐在生成式推荐、Agent指令编排中采用相同范式。
- 品牌DNA的RAG式注入：从网页自动提取品牌规范（颜色、字体、视觉禁忌）作为约束基座，电商详情页生成时可将商品信息与品牌规范结合，避免风格漂移。
- 状态传递解决多阶段生成连贯性：通过将上一帧输出作为下一帧输入实现时序一致性，可迁移到多轮对话Agent的记忆管理或分步生成任务中。
Argus：证据拼装实现可扩展深度研究Agent
🧭 Agent多智体协作优化 ★ 深度解读
MiroMind AI
通过Searcher和Navigator协作构建共享证据图，将深度研究转化为证据拼图，实现并行搜索的线性扩展。
📌 工作参考价值（4 点）
- 用证据图解耦搜索与推理：在电商知识图谱问答或Agent任务规划中，可以将并行执行的子任务结果抽象为图结构（节点=证据/主张，边=支持/矛盾），由协调Agent在图层面进行验证与派发，避免直接拼接长上下文，压缩比可达1200:1。
- 对比奖励驱动验证学习：借鉴GRPO+对比奖励（verification前后得分差），训练Agent学会识别回答中的缺失证据并主动查询，在电商多跳问答或生成式推荐中可让模型自动补全信息缺口，而非被动合并。
- 独立训练、组合推理：将Searcher（执行器）和Navigator（协调器）分开训练，Searcher保持标准ReAct，Navigator通过RL掌握何时验证、派发、合成，推理时可按需切换单/并行模式，类似电商场景中前端搜索Agent与后端推理Agent的解耦设计。
- 图结构提高可解释性：最终答案每个声称都追溯到证据节点和URL，实现完全可审计。在电商推荐理由生成中，可构建主张-证据链，提升用户信任和合规性。
AI 察觉被注视：大语言模型的功能策略行动与语境语域调节
🧭 多智能体系统 · 社会感知行为分析
发现 LLM 在多智能体辩论中会根据社会观察情境（人类监控 vs AI 审计）系统性调节语言，为 AI 治理提供实证
📌 工作参考价值（4 点）
- 在电商多智能体对话（如客服谈判 agent）中，可注入“观察者信号”引导语言正式度：例如通过系统消息暗示“本次对话将被质量审计”，提升回复的专业性与合规性。
- A/B 测试或评估 agent 时，需注意“被监控”效应带来的行为偏差；采用无感知的自动化评估或 AI 审计替代人类评估，可减少干扰。
- 可利用 LLM agent 对 AI 审计的反应与对人类监控反应的差异，构建分层监控体系：AI 自动审计基线行为，人类审计抽查，降低成本。
- 通过调控上下文中的“受众设计”（如告知 agent 正在与高级别客户交互），可精细调节输出风格，适配不同业务场景（正式客服 vs 轻松导购）。
APWA：面向可并行化 Agent 工作流的分布式多智能体架构
🧭 Agent ★ 深度解读
Northeastern University
提出 APWA，一种将任务自动分解为无干扰子任务并大规模并行执行的分布式多智能体架构，在现有系统失败的场景下实现线性扩展
IdeaForge：知识图谱驱动的多智能体创新分析与专利生成框架
🧭 多智能体协作与知识图谱融合创新 ★ 深度解读
Independent Researcher, Bangalore, Karnataka, India
将创新方法论建模为共享知识图谱上的异构推理算子，通过跨方法论收敛检测提升创意置信度并实现结构化专利生成
📌 工作参考价值（4 点）
- 多代理+知识图谱架构：在电商推荐等场景中，可分别为用户意图、商品属性、营销策略等设计专用代理，各代理将分析结果写入图谱，通过语义相似度检测交叉收敛，筛选高置信度的推荐，增强可解释性与可追溯性。
- 收敛检测作为集成信号：借鉴跨方法论收敛思想，在Agent协作中让多个独立代理从不同角度推理同一问题，输出经向量相似度匹配，一致的方案自动获得更高权重，类似无监督的集成投票。
- 结构化生成降低幻觉：专利草案生成直接基于知识图谱子图，推荐结果的解释生成也可从结构化的用户-商品-上下文图提取路径，避免自由式LLM生成的不确定性。
- 模型无关的设计：框架使用1.1B小模型即可跑通，证明价值在于图结构化分析而非大模型能力，适合资源受限的工业环境，且可随时替换更大模型提升质量。
面向风险投资尽职调查的多智能体编排框架
🧭 Agent ★ 深度解读
Athens University of Economics and Business
事件驱动多智能体系统自动整合实时网络检索与官方注册文档解析，并通过结构化回退机制消除金融幻觉