
苏黎世联邦理工实测:一句Prompt就能摧毁16个Agent组成的「共识网络」多Agent避坑指南来了(在新窗口打开)
在构建多Agent系统(Multi-Agent Systems)时,让几个Agent互相“对话”并不难,但要让它们在局部状态不一致的情况下,敲定一个全局唯一的决策,也就是达成“一致”(Agree)或“共识(Consensus)”,却是一个极具挑战的工程难题,您可能会问为什么,这有何难?
共 121 篇

在构建多Agent系统(Multi-Agent Systems)时,让几个Agent互相“对话”并不难,但要让它们在局部状态不一致的情况下,敲定一个全局唯一的决策,也就是达成“一致”(Agree)或“共识(Consensus)”,却是一个极具挑战的工程难题,您可能会问为什么,这有何难?

我输入了一段 prompt,按下生成。手还搁在键盘上呢,视频已经出来了。

要论整活儿,还得是何同学。 因为别人玩龙虾是让它干活,但何同学玩龙虾,是让它自己3D打印自己,而且是现场直播开搞的那种。 何同学给他的龙虾(小河虾)下达的Prompt也是非常简单的一句: 请你想象一下自己的样子,给自己建一个可爱,有数码感的3D模型,身高在5cm左右。 然后,龙虾就真的操控3D打印机唰唰唰地干活儿: 最终,龙虾眼中自己的样子,就这么水灵灵地诞生了: 有一说一,形象还真有点迷你小超人的感觉。 那么何同学用的到底是何许龙虾是也? 来自火山引擎的ArkClaw,并且何同学还说: 我第一次开始养虾,就是在ArkClaw上养的。 它比普通大模型好用的核心,是能帮我办事,例如剪视频、扒数据

最近,harness engineering 又成了继 prompt engineering、context engineering 之后新一代的 buzzword。

昨晚(3月16日),朋友圈里有不少人在转飞书玩虾大会的加更直播链接。说是李诞和呼兰还有小声比比在现场实操演示,怎么玩最近科技圈炙手可热的小龙虾(OpenClaw)。 坦白说,作为一个在AI行业两年多、自己折腾过本地服务器部署、写过无数复杂Prompt的从业者和观察者,我一开始点进直播间的心态,是带着一点傲慢和不屑的。

来自阿里高德的一篇最新 ICLR 2026 中稿论文《Everything in Its Place: Benchmarking Spatial Intelligence of Text-to-Image Models》提出了面向文生图空间智能的系统性评估基准 SpatialGenEval,旨在通过长文本、高信息密度的 T2I prompt 设计,以及围绕空间感知

Seedance 2.0用了两天,个人感想是,以下几类人群或即将失业:一、把「学好提示词」奉为圭臬,并开班传授佶屈聱牙反逻辑长难句prompt的AI导师。二、成本只有一个自拍杆的所谓短视频博主。三、刚开始做AI社交的小创业者。

初创公司 Xmax AI 推出的首个虚实融合的实时交互视频模型 X1,没有复杂的 Prompt,不需要漫长的渲染等待,只需要手势进行交互,就可以让虚拟世界与现实相连,在镜头中令「幻想」成真,让用户体验到实时交互的心流体验。

比如说,最近有一个叫做 Unlucid.ai 的视频生成网站流量很好,排名窜的很快,在这个网站主页里,你能看到非常「像片儿」的 AI 生成视频:有人反复试错,研究哪些描述可以通过,哪些词语组合更容易出结果,怎样的写法既不触发拦截,又能让画面往“成人内容”的方向靠近。

新年第一天,DeepSeek 发布了一篇艰深晦涩的技术论文,不少网友直呼「看不懂」。