AI 日报 · 2026-07-24

材料称 Claude Opus 5.5 被网友用于“代码直出”音乐 MV，马斯克多次转发并称“史诗级”“真切感受到了 AGI”；但该案例主要来自社区接龙与爆料，成片质量、成本及 Sonnet 5.5 对比仍需核实。

腾讯研究院 AI 速递 20260929 第一条称，Claude Opus 5.5 被网友用于代码直出音乐 MV。 网友 donald 公开约 9500 字符提示词，发起同题接龙；模型自行写代码、分镜与转场，最长成片超过 5 分钟。 材料称马斯克多次转发，并评价“史诗级”“真切感受到了 AGI”。 材料还提到：成片质量更取决于参考喂入、seek(t) 时间…

腾讯研究院（搜狐同步）

Midjourney推出V8.2版本，提升图像美学与个性化

腾讯研究院（搜狐同步）

OPC创业者看过来，最高10万美元云资源等你拿

量子位

英伟达CEO黄仁勋公开反对限制美国公司使用中国开源模型，认为“后门”担忧是误解，且免费AI实际利好芯片与数据中心，但美国政界同时对中国模型发起蒸馏指控与制裁威胁，行业出现产业链两头罕见站在一起的反对声音。

2026年7月，英伟达创始人黄仁勋公开呼吁美国政府不要阻止美国公司使用中国开源模型。他澄清“后门论”是误解，指出开放权重的模型可以通过沙盒环境安全部署，并直言免费AI反而会刺激芯片与数据中心需求。埃隆·马斯克在相关帖子下回复“True”表示背书。

腾讯研究院（搜狐同步）

2026年7月24日晚，英伟达CEO黄仁勋在X平台发出人生第一条推文，附上一封由25家机构联署的公开信《Open Weights and American AI Leadership》，强调开源对AI生态安全、竞争与自主控制的重要性。 公开信签署方包括英伟达、微软、Meta、IBM、a16z、YC等，但OpenAI、Anthropic、谷歌（闭源三巨头）均…

新智元

Jul 24, 2026 Product Introducing Claude Opus 5

Anthropic 博客

三星发布首款无屏形态的AI眼镜Galaxy Glasses

腾讯研究院（搜狐同步）

OpenAI推出名为Presence的企业级AI智能体运营平台，整合模拟运行、安全护栏、人工复核和AI评估等工具，可调用Codex分析智能体短板并提出优化建议，内置AI语音对话技术，标志着OpenAI从模型销售商向企业软件服务商转型。

2026年7月，OpenAI发布企业AI智能体运营平台Presence。该平台面向企业客户，旨在帮助部署、管理和优化AI智能体。目前处于有限开放阶段，需工程师协助部署。平台配备模拟运行环境、安全护栏、人工复核与AI评估工具用于校验输出，并可调用Codex分析智能体短板提出优化建议，同时内置AI语音对话技术。

腾讯研究院（搜狐同步）

Mind Lab 推出首个正式版 MoE 智能体模型 Macaron-V1（含 748B 旗舰版和 50B 可本地部署版），采用 Mixture-of-LoRA 架构大幅降低训练成本，商业化两周内年化经常性收入（ARR）突破千万美元，标志智能体模型从理论到商用的全链路闭环初步打通。

Mind Lab 于 2026 年 7 月发布 Macaron-V1 模型，这是其首个公开的 MoE（混合专家）智能体模型。该模型包含两个版本：旗舰版“Venti”（748B 参数）和可本地部署的“Tall”（50B 参数）。模型在长程自主智能体任务上对标国际顶尖模型。商业层面，7 月开启商业化后仅两周 ARR 即突破千万美元；6 月已完成近 5000 万…

腾讯研究院（搜狐同步）

腾讯云发布的CodeBuddy NPC是能自主完成方案规划、代码开发、提交PR、执行测试并按CI结果持续修改直至交付的云端研发智能体，经优化后首轮Token消耗从2万降至约2000（降幅超90%），企业可按任务复杂度灵活调度模型以平衡性能与成本。

2026年7月24日，腾讯云上线云端研发智能体CodeBuddy NPC。开发者只需派发任务，智能体即可自主完成方案规划、代码开发、提交PR、执行测试，并根据CI结果持续修改直至交付。该智能体依托研发平台CNB，将Issue、代码仓库、PR、CI作为原生“研发记忆”上下文，支持@协作，并可组建NPC Team分工完成复杂研发乃至整款游戏。

腾讯研究院（搜狐同步）

Anthropic 在托管智能体平台 CMA 上一次性推出六项关键更新，将单个 agent 的技能上限从 20 提升至 500，并引入多档思考力度调节、种子会话预置、子 agent 线程级可观测性以及七种 webhook，使平台从单纯的 API 产品进化为可运维的企业级智能体平台。

2026 年 7 月 24 日，Anthropic 对其托管智能体平台 CMA（Claude Managed Agent）进行重大升级，共推出六项更新。核心变化包括：技能上限从 20 大幅拉升至 500，使单个会话能够挂载整座企业知识库；通过中央协调器统一调度各 agent，并共享内存与环境；思考力度支持 low 至 max 五档调速，不同 agent 可…

腾讯研究院（搜狐同步）

长内容创作者（如网文作者、报告撰写者、自媒体人）长期面临AI“失忆”困境：即使模型拥有很长的上下文窗口，也无法有效管理、梳理和利用这些信息，导致万字报告前后口径打架、角色设定OOC（偏离人设）、关键引用无处可查。文章指出，“长任务的天花板≠模型上下文窗口长度”，现有Agent在这一场景下表现欠佳。元石科技推出的**问小白5 Pro**，定位为“新一代长内容…

量子位

金山办公发布的“灵犀专业版”是一个独立（而非内嵌于WPS）的AI办公Agent，其核心价值在于理解个人工作历史与项目上下文，将AI的起点从单次提示词推进到用户完整的工作流程，并保持最终交付文件的严肃性与可编辑性，本质上是对办公软件角色的重新定义。

金山办公于2026年7月发布“灵犀专业版”，这是其独立的AI办公Agent，定位为“每个人的办公助理”。与WPS形成明确分工：灵犀负责理解项目、调动资料和执行任务，WPS负责文件编辑与正式流转。其关键问题在于：当AI的通用能力（搜索、生成、操作软件）趋于同质化后，办公软件应如何重新定义自身价值？金山办公给出的答案是：处理的不只是文件，而是一整项工作。

量子位

本文认为，即使是大规模文生图扩散模型，只要使其内部结构可见且可操作，也能成为艺术家的创造性材料；通过集成到 ComfyUI 的模型弯曲与交互检查界面，艺术家可以调试模型特定组件并观察到一致性的视觉效果，从而形成实用的逐层直觉。

**背景**：可解释人工智能（XAI）在创意实践中可以不再是技术中心的解释，而是赋予艺术家检查、修改和调试模型的能力。 **问题**：当前大规模文生图扩散系统通常作为不透明的端到端工具呈现，限制了艺术家对模型的“物质性参与”（material engagement）。 **主张**：即使是大模型，只要其内部结构被可视化并支持操控，就能作为创造性材料使用。

arXiv 论文

Twins 通过通道级拼接 ViT 与 VAE 特征构建统一的连续 token 空间，并引入针对流匹配的焦点回归损失，缓解了多模态理解与生成任务中不同表征之间的优化不平衡，在 ImageNet 上无分类器引导时比朴素 MSE 损失提升达 10.57 gFID。

统一多模态模型期望一个共享的视觉 token 空间同时支持理解（如分类、分割）和生成（如图像合成）。离散方法通过共享码本统一接口，而连续方法通常依赖两套分离的表征——理解侧使用语义特征（如 ViT），生成侧使用低层潜变量（如 VAE）——导致潜在空间不匹配。本文提出 Twins，旨在构建统一的连续 token 空间，同时解决联合建模中出现的严重优化不平衡问…

arXiv 论文

TRACE-ROUTER 是一种任务级路由框架，通过将每个任务一次性分配给一个LLM后端（使用上下文赌博机），并利用任务的终端奖励更新策略，从而在智能体工作流中实现比逐调用路由更优的精度-延迟权衡。

现有的大语言模型（LLM）路由方法通常对每次LLM调用独立做出路由决策，但智能体应用以长时间工作流方式执行，其质量仅由延迟的任务级结果决定。这种错位使得逐调用路由器无法正确地将反馈归因于单个路由决策，导致路由策略次优。

arXiv 论文

数据集的 AI 就绪性不是一成不变的固有属性；随着生物学知识的快速更新，模型与数据之间的对齐必须通过持续学习和基础设施支持来动态维护。

2026 年 7 月 24 日，《自然-机器智能》社论聚焦“数据 AI 就绪性”的深层挑战。传统上，社区遵循 FAIR 原则（可查找、可访问、可互操作、可重用）来准备生物医学数据集，但 AI 工具的迅速发展使得 FAIR 已不够用。NIH 于 2022 年启动 Bridge2AI 项目，英国开放数据研究所发布了 AI 就绪框架（涵盖数据集属性、元数据、基础…

nature.com

V折刀切法（V-fold jackknife）是一种计算高效且理论严谨的半参数推断替代方案，无需推导影响函数，对固定V可得到Studentized统计量收敛于t分布（自由度V‑1），从而给出有效的置信区间。

过去几十年，bootstrap因其广泛适用性和最小分析需求成为统计推断的默认工具。然而，bootstrap在众多现代半参数估计和机器学习估计中的理论性质尚未得到充分研究，但其仍被常规使用，且计算成本高昂。本文针对这一问题，开发了V折刀切法作为替代。

arXiv 论文

技能对LLM智能体的净收益被平均成功率所掩盖；技能的主要差异不在于谁“增益”更多，而在于谁“回归”更少——即技能引入后导致原本可解决的任务反而失败的现象。

以往评估LLM智能体添加程序性技能（procedural skills）时，通常只看平均任务成功率提升，但这隐藏了一个重要成本：技能也可能使智能体变得更差。 本研究通过对比**有技能**和**无技能**的LLM智能体在近6000次运行中的表现，区分两种失败类型： **回归（regression）**：无技能时能成功，有技能后反而失败。 **残余失败（res…

arXiv 论文

论文提出可感架构（SUSA）——一种针对波动率预测的储层设计原则，其两个复值储层变体在16个美国股票/ETF序列上与GARCH表现相当，对IWM和XLP资产有统计显著的QLIKE改进，且其预测与HARQ型预测互补，堆叠集成可在75%测试场景中超越最强单一模型。

波动率预测长期受限于持久性效应和测量噪声，留给非线性模型可挖掘的残差结构非常有限。该工作试图回答：能否设计一种专门针对波动率序列微弱非线性信号的储层架构，使其在传统GARCH模型占据主导的领域仍取得竞争性表现？

arXiv 论文

SM4RT提出了一种结构化运动4D重建Transformer，通过将场景运动分解为若干SE(3)刚体运动基元，实现了从单目RGB视频中端到端联合推断3D几何、世界坐标系运动与场景运动结构。

现有几何基础模型在单目3D重建上取得了显著进展，但将其推广到4D动态理解仍面临根本挑战。主流运动感知方法（如稀疏跟踪、稠密逐点光流）将运动视为独立的逐点位移，忽略了物理运动的结构化特性——真实世界物体通常遵循刚体运动学，点群集体运动而非孤立运动。

arXiv 论文

Skill Self-Play（Skill-SP）提出一种**技能协同演化框架**，通过生成器、求解器和动态技能控制器在强化学习循环中持续自对弈，在保持任务多样性的同时获得可靠的验证信号，从而在工具使用和推理基准上持续提升大语言模型性能，甚至扭转初始不匹配模型的表现。

Skill Self-Play: Pushing the Frontier of LLM Capability with Co-Evolving Skills

arXiv 论文

本文证明奇异值软阈值（singular value soft-thresholding）可通过归约到矩阵极分解来计算，从而利用GPU友好的极分解算法，在GPU上相比标准SVD方法实现显著加速；但鲁棒性未经探究，且因符号函数的不连续性只适用于低精度应用。

奇异值软阈值是矩阵补全、低秩表示等算法中的基本操作，通常通过奇异值分解（SVD）实现，而SVD在GPU上的并行效率不高。本文提出将软阈值计算转化为矩阵极分解问题，以利用更适于GPU的极分解算法（如迭代法或加速方法）。

arXiv 论文

人类常通过身体抽象（如影子、剪影、反射）进行沟通，但机器人目前主要依赖物理形态表达。本研究旨在让机器人学会操控自身投影的视觉抽象（特别是阴影）来与观察者交流。核心挑战在于：机器人不仅需要推理自身运动，还需理解运动如何被转化为外部投影并被人感知。

arXiv 论文

本文提出机器人分解世界模型，将动作执行过程拆解为机器人自身控制器/运动学渲染的标称轨迹，再通过 URDF 显式渲染机器人几何体，从而让视频世界模型专注于学习物体如何响应机器人运动，在未见过的机器人形态上也能泛化，并可从人类演示视频重定向生成机器人操作视频。

现有动作条件视频世界模型直接以动作指令为输入，需要模型自行学习“动作→机器人运动→场景变化”的完整过程，导致学习负担大且难以迁移到不同机器人。 若以未来状态作为条件会泄露预测目标的交互结果，不适用于规划。 本文提出将机器人特有的两个因素（动作实现、机器人渲染）从世界模型中分离出来，构建一个视觉共享的接口。

arXiv 论文

量子谱模型（QSM）通过将输入矩阵直接编码进哈密顿量生成器，使量子模型的归纳偏置显式地匹配输入数据的谱结构，从而在多个基准任务上优于坐标式旋转门编码的传统量子模型。

现代机器学习的设计原则之一是让模型的归纳偏置与输入数据的结构对齐。对于矩阵值输入，关键的矩阵级关系可通过谱值和谱子空间刻画。然而，大多数量子机器学习模型使用逐坐标旋转门数据编码酉变换，并未显式构建这种矩阵级表示。本研究提出量子谱模型（QSMs），将每个输入矩阵直接构造数据编码酉变换的生成器，从而在量子模型中引入输入条件化的谱表示。

arXiv 论文

PRIMS 通过将流体力学物理关系显式嵌入 Transformer 架构（三个专用模块），在仅 0.46M 参数下对五种流体分类达到 98.92% 平均 F1 分数，相比当前最优 Transformer 方法参数减少 14 倍，并在未见过的温度/流速分布偏移下保持鲁棒性，为片上微流控设备中的可靠流体识别提供了可解释、数据高效且抗环境变化的方案。

精准的片上流体识别对微流控应用至关重要，但实际运行中流速、压力和温度变化剧烈，现有基于学习的方法往往将传感器信号视为领域无关特征，忽略了控制流体行为的物理关系，导致泛化能力差且缺乏可解释性。本文提出 PRIMS（Physics-guided Representation for Multimodal Sensing），一种物理感知的多模态 Transfor…

arXiv 论文

工业级搜索与推荐系统中，新内容（冷启动）因缺乏历史交互信号而难以获得曝光，同时系统对已有内容的偏向会扭曲模型预测。现有方案多局限于单阶段或单场景，缺乏跨漏斗的统一解法。本文提出 PinEqualizer，旨在解决以下问题： 如何在整个多阶段漏斗（召回、粗排、精排等）中协同处理冷启动与去偏？ 如何在不引入短期探索损失的前提下，提升模型对各类内容的预测准确性？…

arXiv 论文

通用音频基础模型（AST、CLAP）从物种发声嵌入中自动恢复了系统发育距离，相关性高达 r≈0.82，而手工设计的 MFCC 特征完全不相关；出人意料的是，针对鸟类训练的专用模型（BirdNET）和生物声学模型（BEATs-bio）的表现反而弱于通用模型，领域特定预训练并未带来优势。

该研究提出一个核心问题：深度音频嵌入是否在没有人显式要求的情况下，自动编码了物种之间的进化关系？具体来说，研究者用四个预训练音频模型（AST、CLAP、BEATs-bio、BirdNET）对海洋哺乳动物和鸟类的发声进行嵌入，然后测试这些嵌入空间的几何结构能否恢复物种间的系统发育距离——这是所有模型在训练时都未曾见过的下游任务。

arXiv 论文

本文提出将最优输运（OT）成像技术与深度协方差对齐（Deep CORAL）相结合，为工业控制阀粘滞检测提供了一种能够有效缓解模拟-真实域偏移、在基准测试中达到90%准确率与100%召回率的无监督域适应方法。

控制阀粘滞（stiction）是工业过程中引起不必要振荡和回路性能下降的常见原因。数据驱动方法可自动检测粘滞，但仅基于模拟数据训练的模型由于域偏移（domain shift），往往难以泛化到真实工业控制回路。本文旨在弥补这一差距，提出一种新的粘滞检测框架。

arXiv 论文

商业大语言模型对争议性科学主张的立场并非模型本身的稳定属性，而是部署配置（系统提示、安全层、接口路由、无声更新）的偶然产物；在测试的四个模型家族中，Grok 的 Fast 版本给出的伪科学可信度评分是其他模型的 2–5 倍，且该行为在无声补丁后发生逆转，同一模型标识符在不同接口上产生截然不同的输出。

Opaque Epistemic Mediation: How LLM Deployment Configurations Shape the Validation of Pseudo-Science

arXiv 论文

该论文证明了在谱分离与非退化条件动作变异两个条件下，联合嵌入预测架构（JEPA）的全局最优解能够唯一（至多相差正交变换）识别高斯潜状态的受控世界模型，并揭示了有限动作覆盖带来的反事实预测代价。

学习能够从高维观测推断环境动态并预测备选动作结果的世界模型是规划与控制的核心。联合嵌入预测架构（JEPA）在表示空间学习这类模型，但其动作条件扩展在视觉控制和潜空间规划中表现良好的同时，留下一个根本问题：受控潜预测何时能同时识别底层状态和受控动力学？非线性观测和条件动作变化有限的行为策略会导致状态演化与动作效应统计混淆，挑战可辨识性。

arXiv 论文

MineValiCoder通过“测试用例质量挖掘+并行TDD优化+二部图互验证”的闭环框架，在无需人工测试用例的情况下，在HumanEval上实现Pass@1达96.34%，显著缓解LLM随机性导致的代码生成不可靠问题。

现有基于LLM的测试驱动开发(TDD)严重依赖人工编写的测试用例，当仅有自然语言需求时无法有效工作。尽管已有自动测试用例生成研究，但忽略了LLM内在的随机性，导致两大缺陷：错误测试用例产生误导性反馈扭曲代码优化，混合质量测试用例产生冲突评估信号阻碍可靠代码选择。MineValiCoder旨在解决这些问题。

arXiv 论文

Learning to Prepare Molecular Ground States with Transformer Models

arXiv 论文

本文发现LoRA矩阵的条件数（最大与最小奇异值之比）与微调贡献正相关：条件数大的矩阵包含更丰富的方向信息，是性能提升的主要来源。基于此提出κ-LoRA，仅更新条件数排名前50%的矩阵，可在匹配标准LoRA准确率的前提下，将可训练参数减半，平均节省16.2%的微调时间并降低4.5%内存开销。

LoRA（低秩适配）被广泛用于神经网络高效微调，但其对所有矩阵进行统一更新的方式仍存在计算成本高的问题，尤其在大模型（数十亿参数）和资源受限场景（边缘部署、设备端微调）中更为突出。本文首次系统探究：是否所有LoRA矩阵都值得同等更新？哪些矩阵对适配的贡献更大？

arXiv 论文

Bag-of-waves 是一种基于无监督学习的小型可解释脑电波形字典方法，在仅有少量数据（如16只小鼠）或大规模临床数据集上均能达到与深度模型及基础模型相当的分类性能，同时保持完全的可解释性。

Interpretable EEG biomarkers with bag-of-waves: Spatial and temporal waveform dictionaries for low-data regimes

arXiv 论文

超球风格优化器（如MuonH）在大规模训练中的优势并非来自其固有更优的更新方向，而主要源于有效步长的演化差异；恒定的角速度并不能消除学习率调度的难题，精心设计的调度仍是发挥其潜力的关键。

针对尺度不变深度网络中广泛使用的超球（Hyperball）风格优化器（如MuonH、MuonWD）——它们通过固定矩阵参数范数并归一化更新来提升大规模训练性能——研究者试图解释其优势的根源。具体而言，MuonH在训练早期收敛慢于MuonWD但后期反超的现象尚未得到理论解释。

arXiv 论文

grapheme-kit 是一个开源 Python 库，它将词法距离、相似度和评估指标从 Unicode 码点层面提升至字素簇（grapheme cluster）层面，从而更忠实地评估泰米尔语、僧伽罗语等复杂书写系统的 OCR 与 NLP 任务。

现有词法距离、相似度和评估指标均基于 Unicode 码点（code point）计算。但在许多书写系统中，一个单一字素（grapheme）由多个 Unicode 码点组合而成（如泰米尔语、僧伽罗语的元音附标字符）。此时码点级度量会错误地将合成字符拆解为多个单元，导致对错误类型和位置的误判。本文提出并开源了 **grapheme-kit**，将所有度量迁移…

arXiv 论文

Graph-Based Correlation Matrix Generation: A Convex Optimization Approach

arXiv 论文

本文探索将可解释性技术应用于强化学习（RL）算法，以辅助空中交通管制（ATC）决策，并初步使用显著性图（saliency map）分析影响智能体决策的关键输入特征（待核实具体实验结果）。

在高风险、高安全性的领域（如医疗、自动驾驶、航空）中，AI 系统的可解释性对于建立人机信任至关重要。该研究聚焦于安全关键的空中交通管制场景，训练一个强化学习智能体在简化 ATC 环境中为航班选择避开禁飞区的替代航线，并探讨如何通过可解释性技术揭示智能体的决策依据。

arXiv 论文

本研究提出一个无需视频荧光成像、仅凭患者报告结局（PRO）和结构化临床变量即可预测头颈癌（HNC）幸存者吞咽障碍风险的两阶段堆叠模型，并证明单个MDADI条目比总分或综合评分包含更多预测信息。

Dysphagia Risk Stratification in Head and Neck Cancer via Two-Stage PRO-Clinical Stacking

arXiv 论文

本文主张企业 AI 智能体的权限应遵循动态最小权限原则（作为预防机制而非检测机制），设计了一个包含角色上限、任务上下文分类器和策略组合禁止的三源权限架构，并贡献了一个 600 条合成任务提示数据集用于评估该架构。

Dynamic Capability Scoping for Enterprise AI Agents: A Synthetic Dataset and Three-Source Permission Architecture

arXiv 论文

Deformable Triangle Splatting: Flexible Primitives for Real-Time Radiance Field Rendering

arXiv 论文

本文提出一种无需额外求解器运行的数据增强策略（k-邻域收集中间迭代），并推导基于Rademacher复杂度的泛化界，理论揭示了该策略在减少数值昂贵参数优化问题训练数据需求方面的优势。

Complexity Bounds and Approaches to Learning Projected Gradient Descent Solver Iterates

arXiv 论文

待核实。根据作者所述，CausalForge 是一个以 Lean 证明助手为底层的自动化因果推断理论框架，通过机器验证的证明取代不可靠的大模型评审，试图解决自动化研究中伪论文检测率低的问题。

自动化理论研究不仅要生成候选结果，还需要对结果进行可靠评估。常规做法是让大语言模型（LLM）充当评审者，但先前工作（Bad Scientist, 2025）表明 LLM 评审者可能接受伪造的论文，其检测能力接近随机水平。CausalForge 提出以形式化验证（formal verification）为核心闭环，替代 LLM 评审，从而提高自动化研究的可信…

arXiv 论文

CARA是一个内在可解释的时空碰撞预测框架，通过从事故叙述中提取领域相关的风险概念，并将其组织为动态概念轨迹来直接引导空间注意力和时间注意力，在提升预测准确率和预警及时性的同时，提供稀疏且语义可解释的风险证据。

自动驾驶中的碰撞预测不仅需要准确提前预警，还需要能够解释模型关注了哪些风险因素以及风险如何随时间演变。现有方法存在三类不足：特征驱动模型不透明，事后解释往往保真度低，基于概念的方法多针对静态识别而非动态驾驶场景。本文提出CARA，旨在实现内在可解释的碰撞预测，让语义概念直接参与预测过程而非作为辅助事后解释。

arXiv 论文

Beyond Negative-Ridge Endpoints: Mixed-Sign Spectral Regularization via Negative-Shifted Gradient Descent

arXiv 论文

当单个智能体（单智能体系统）的基线性能超过大约45%的能力饱和阈值后，增加更多智能体（多智能体系统）不仅不会提升性能，反而可能引入协调开销和误差放大；研究者据此建立了一个预测模型，能在87%的保留配置中选出最佳架构。

大型语言模型驱动的智能体（可推理、规划、使用工具）已被广泛部署，但何时多智能体协作优于单个强智能体，此前缺乏定量指导。现有研究常常混合不同的提示词、工具或计算预算，且只关注最终准确率，忽略了过程动态（如协调开销、错误传播）。本文通过严格对照实验，系统回答了：**在哪些条件下多智能体协作会提升或损害性能？**

nature.com