算法论文8

LatentMAS：让 AI 潜在空间协作，效率飙升

机器之心2025-12-05

AI 摘要

普林斯顿大学等机构提出 LatentMAS 框架，将多智能体协作移至潜在空间。实验表明，相比单模型和文本 MAS，其准确率最高提升 14.6%，token 使用量最多减 83.7%，推理速度快 4.3 倍。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

清华发布OSWorld-Science评测基准

本文针对AI能否自主操作科研软件完成真实科研任务的问题，介绍了清华大学牵头多机构推出的OSWorld-Science，这是面向真实科研场景的智能体评测基准，包含146项真实科研任务，评测了12个主流模型，曝光了当前智能体的能力短板，为领域研究提供了统一评测基础。

本文报道Meta推出新一代旗舰大模型Muse Wonder系列，第三方评测显示其在长程编程、Agent任务中超越现有顶级模型，扎克伯格称Meta重回AI技术前沿，但实测暴露短板，推理成本大幅上涨。

Meta发布号称目前最好的多步骤Agent模型Muse Wonder，基准数据碾压Claude Opus 5.5，但网友测试和实际使用暴露了它纸面数据强、实际体验差的问题

本文报道GitHub上星标超12.4万的爆火开源项目REA，该项目可借助AI在无源代码的情况下分析还原软件功能，整合传统逆向工具与AI编程助手，引发软件行业关于技术壁垒与商业模式的热议。