罕见病因其患病率低和知识匮乏，常导致误诊和延迟诊断。研究者开发了多智能体对话框架（MAC），通过多个智能体协作提升诊断能力。基于GPT-4的MAC在302例罕见病的诊断中表现优于单一智能体，能够生成更丰富的诊断内容，成为医生的重要辅助工具。

本研究提出了一种基于大型语言模型（GPT-4o）自动生成适应性网络的方法，解决了动态环境下自适应规划的不足。实验结果表明，该方法生成的网络在通用性上优于手动构建的网络，推动了机器人、自动驾驶汽车和智能系统的发展。

本研究提出了一种新框架SPIO，旨在优化多智能体系统中的数据分析工作流。SPIO利用大型语言模型提升数据预处理和特征工程的效率，实验结果表明其在Kaggle和OpenML数据集上表现优异，具备良好的可扩展性。

本研究针对传统模拟电路组件对称布局方法在应对布局依赖效应（LDEs）时的不足，提出了一种基于目标驱动的多级多智能体Q学习框架，以探索模拟布局的非常规设计空间。这一新方法在变异性能上优于现有的布局技术，并且首次将多智能体强化学习应用于模拟布局自动化。

本研究解决了现有机器人大规模任务规划中适应性和效率的不足，提出了一种新的适应性多智能体规划框架REMAC。通过自我反省和自我进化模块，REMAC能在动态场景中进行有效任务规划和执行，最终实现平均成功率提升40%和执行效率提升52.7%的显著成果。

百度于3月24日推出“秒哒”对话式应用开发平台，用户可通过自然语言生成代码，实现快速开发。该平台支持多智能体协作和第三方工具集成，标志着AI应用开发进入全民时代。

随着广告业务复杂性增加，MaRCA（基于多智能体强化学习的全链路算力调度）应运而生。该系统通过预估用户价值、算力和动作价值，优化算力分配，提升广告消费和系统稳定性。实验显示，在资源不变的情况下，MaRCA实现了14.93%的广告消费增长，未来将引入模型预测控制和扩展决策变量，以应对复杂流量环境。

本研究解决了因果推理在多智能体强化学习（MARL）中应用不足的问题。通过在多种合作需求的先进MARL场景中测量简单因果增强的影响，本文揭示了因果推理在MARL中的机遇与挑战，以及未来研究的方向。研究结果表明，因果推理可以提高智能体的合作效率和行为可解释性。

本研究解决了ComfyUI工作流生成中的用户学习曲线陡峭问题，通过提出ComfyGPT，一个自我优化的多智能体系统，能够根据任务描述自动生成工作流。其创新点在于通过专注于生成单个节点链接，以及提出基于LLM的FlowAgent以提升生成精度。实验结果表明，ComfyGPT在工作流生成的准确性方面显著优于现有的基于LLM的方法。

多智能体系统（MAS）因自主代理的开发而在人工智能领域日益受到关注。MAS能够有效应对不确定和变化的环境，提升灵活性和效率，但管理代理间的沟通与协调仍是主要挑战。尽管如此，MAS在解决复杂问题和适应环境变化方面展现出显著优势。