面向智能体社会的图优先协调协议，统一身份、组织、价值与审计。

多智能体辩论+3D首帧接地，从一句话生成完整可播短剧。

五机制多智能体自主科研管线，在ARC-Bench上超AI Scientist v2 54.7%

用服务端 HTTP GET 日志自动重建读集，为并发 LLM 智能体实现乐观并发控制。

Agent Bazaar 框架，用 REINFORCE++ 训练 9B 模型实现多智能体市场对齐。

冻结LLM权重，用四智能体+可训练知识图谱的闭环系统让代码生成越用越强。

首个端到端联合优化设计者与执行者的自动多智能体强化学习框架。

首篇将 LLM 多智能体系统全生命周期串成 LIFE 四阶段的统一综述

LLM驱动的多智能体预测框架，分宏观与微观双视角合成预测

剖析工业智能体竞赛的评测设计，揭示排行榜饱和、公私榜失配与评分公式脆弱性

将引用幻觉检测从二分类重定义为12码细粒度分类,提出四模块级联多智能体检测器。

训练免费框架，让多智能体在测试时三尺度协同进化。

提出三层协同演化框架，让多智能体研究系统按用户偏好积累经验并越用越好。

提出在线审计框架，每步对展开中的多智能体轨迹判CONTINUE/ALARM

用共形预测为多智能体失败轨迹生成连续错误区间，支撑可回滚的错误归因

提出 Ctx2Skill 框架，用多智能体自博弈从长技术上下文中自动挖掘自然语言技能，在 CL-bench 上显著提升 GPT-4.1/5.1/5.2 的上下文学习能力。

双层多智能体框架，闭合式自演化技能库，专攻大规模结构化网页抽取

LLM 稀疏引导多智能体同时学习内部搜索与外部协作

用潜空间递归把异构LLM智能体连成环路，以端到端梯度共同优化整个多智能体系统。

提出 OMC 框架，把多智能体系统抽象为可招聘、可组织、可进化的「AI 公司」，在 PRDBench 上以 84.67% 的成功率超越所有基线 15.48 个百分点。