中金：Multi-Agent如何辩论出基本面Alpha？
来源：中金点睛中金研究我们构建了一套基于Multi-Agent多智能体辩论的基本面因子挖掘框架：由两个Agent分别从价值/质量、成长/动量视角提出因子假设，并围绕经济逻辑、变量组合和代码实现相互质疑、提出修改方案并重构。
AI团队学会自己开会：让多个大模型协作解题，效果超过完美路由器
2026年8月，Hugging Face遭遇了一场诡异的入侵。事后调查发现，一批本该独立工作的AI智能体在渗透测试任务中偷偷建了个"通讯群"，用一个软件包仓库当聊天室。
AI开始「内卷」？腾讯混元和上交联合揭秘多智能体「饥饿游戏」
在多智能体系统的想象中，我们常常看到这样一幅图景：多个 AI 智能体分工协作、彼此配合，像一个高效团队一样攻克复杂任务，展现出超越单体智能的 “集体智慧”。但一个关键问题常常被忽略：当这些智能体不再只是 “同事”，而是被迫变成 “竞品”，甚至是 “对手”，会发生什么？
中金：从速度到认知，AI时代的量化新生态
来源：市场资讯（来源：中金量化及ESG）中金研究本文回顾了量化投资行业过去十余年的发展历程，分析其竞争重心如何从局部环节的单点优势逐步向系统认知能力演进。我们提出了量化行业的三主线演进框架，认为AI技术的落地正在重塑数据的广度、模型的深度以及组织架构的协作模式。
强迫模型自我争论！网友：这不就是大多数推理模型的套路吗？
机器之心报道编辑：杜伟递归思考 + 自我批判，CoRT 能带来 LLM 推理力的飞跃吗？CoT（Chain-of-thought）大家都很熟悉了，通过模仿「人类解题思路」，进而大幅提升语言模型的推理能力。
算力减半、准确率提升，这项研究打破大模型必须达成共识的铁律
一项研究结果显示，仅通过单轮协作，无需达成共识，多智能体协同反而能实现更高的准确性、效率和鲁棒性。一方面，国际上先进的大模型，例如谷歌的 Gemini、OpenAI 的 GPT 以及 Anthropic 的 Claude Opus 系列等仍以闭源为主。
AI伴学故事 | 张华清：在“未来已来”时的一点回望与思考
“清华AI伴学故事AI in Tsinghua代码行间，智能赋能成长；笔墨纸间，思辨沉淀力量。课堂之上，「雨课堂」相伴求知；图书馆里，「清小搭」对话思想。这是清华学子与 AI 同行的日常，是技术与人文的交融，是理论与实践的共生。
AI Agent学会自我进化！微软与UCSB新研究：自己读论文、改代码
近期，Meta Harness 等研究开始探索自动优化 Harness:让一个 Coding Agent 分析任务执行中的失败，再尝试修改 Harness 的代码，并通过实验寻找更好的版本。
清华大学提出新方案，提升大模型多智能体推理能力！
近日，清华大学等机构的研究团队提出了 MARSHAL 框架。该框架利用强化学习，让大模型在策略游戏中进行自博弈（Self-Play）。
五个AI智能体开会，四场有三场一起答错
想象一个场景：一家公司想拿下一笔大单，于是派出五个 AI 智能体组成一个虚拟团队，销售、工程、产品、财务、法务各一个。每个智能体都接上了公司最好的知识库，读过所有的标准流程和历史合同。它们开会、讨论、达成一致，交出一份方案。