大型語言模型
EvoSci：以大型語言模型、多代理人協作與知識圖譜驅動的演化式科學探索
EvoSci 提出一套以多角色代理人為核心的科學探索框架，將生物演化概念與知識圖譜整合，讓研究構想能在多輪循環中被生成、評估與精煉。系統定義導師、研究員群組與審稿人等角色，透過協作推理、共享記憶與動態任務分配，支援長期、跨領域的議題演化。
多代理人
速報
動態語意建立揭示多代理協商缺口：LLM 多回合資源分配失靈
研究以一個迭代式多回合協商遊戲檢驗多代理大型語言模型（LLM）的互動能力。兩名代理人在共享資源上為各自私人專案協商，可驗證共同最優解；然而實驗發現，多數代理組合無法收斂到帕雷托最優。研究識別出四種失敗型態：缺乏共享互動歷史導致協調崩解；累積上下文引發僵化錨定；偏好表面公平（平均分）取代報酬最大化；
深度分析
Web2BigTable 雙層記憶體驅動多代理人框架提升廣度與深度搜尋效能
面對深度推理與廣度彙整的雙重挑戰，Web2BigTable 採用雙層架構與跑驗證反思閉環，讓上層指令分解與下層平行工作者協同運作，並以共享工作板減少重複探索。實驗在 WideSearch 上取得 38.5% Avg@4 成功率，Row F1 63.53%，Item F1 80.12%，亦在 XBench‑DeepSearch 達到 73% 正確率，顯示其在廣度與深度搜尋皆具優勢。
速報
多代理人自動化機器學習管線：結合代碼驅動 RAG 與自我修復機制
本研究提出一套由五個代理人組成的統一架構，能自動從資料集與自然語言目標產出端對端機器學習管線。系統結合代碼為基礎的檢索增強生成（RAG）以理解微服務，並使用可解釋的混合推薦演算法選擇最佳組件。透過大型語言模型進行錯誤詮釋與自我修復，並從執行歷史中自適應學習。
速報
WiseMind：結合理性與情感的多代理人精神科評估系統
LLMs在精神醫療有潛力但常缺臨床推理與情感溝通。WiseMind以多代理人設計：理性心負責循證判斷、情感心負責共情表達，並以DSM-5導向的結構化知識圖引導問診，顯著降低幻覺生成。系統在模擬與真人測試達到85.6%首位診斷準確率，優於單代理基線。
深度分析
Google ADK 多代理人資料分析管線完整教學：從資料載入到報告生成
Google ADK 推出多代理人資料分析管線，結合安全 API 設定與集中式資料庫，提供載入、探索、統計測試、視覺化與報告產出等工具。主分析代理人協調各子代理人完成端到端分析流程，提升可擴充性與效率。此框架有望改變 AI 產業的分析開發模式。