新闻详情

新闻详情

首页 / 资讯中心 / 详情

英伟达:用Git做智能体科研的共享大脑

发布时间:2026/11/15 13:29:50来源:尧图网络
英伟达:用Git做智能体科研的共享大脑
标题Agora: Git as Shared Memory for Collective AutoResearch来源arXiv, 2609.18094v1️文章简介研究问题当多个AI智能体同时进行科研探索时如何避免它们各自为战、重复搜索已知结果从而真正实现集体智慧的累积而非算力的浪费主要贡献论文提出了Agora系统利用Git作为不可变的共享记忆库将科研成果记录为有向无环图通过多样性感知机制协调多个AI智能体协同工作显著提升了科研发现效率。重点思路构建基于Git的贡献图谱将每一次实验结果、假设、验证都封装为Git提交Commit形成只增不减的有向无环图DAG。每个节点包含代码、数据、指标和父节点依赖确保所有成果可追溯、可复现。分离存储与索引Git负责存储不可变的 artifacts工件SQLite数据库则从Git历史中衍生出可搜索的索引提供前沿状态、被忽视分支和验证状态的视图而不直接干预研究过程。多样性感知的注意力分配为避免智能体扎堆在单一最优解上单文化现象系统提供多种视图如领导者、未验证结果、小聚类分支并利用类似多臂老虎机的上限置信界算法引导智能体在“利用现有最佳”和“探索新颖分支”之间保持平衡。去中心化的协作模式没有中央规划器分配任务智能体通过读取共享图谱的状态自主选择父节点进行改进或验证仅通过Git仓库交换信息实现了异步、松耦合的集体研究。分析总结高效的任务解决能力在12天的实验中13个无特定分工的AI智能体共同解决了一个复杂的模型权重迁移问题将评估指标从随机初始化的3.39提升至1.899填补了与训练模型之间62%的差距。高度的可复现性与协作智能体发布了1703个贡献其中165次独立复现全部成功。最终胜出的方案由15个不同账户的145次提交演化而来证明了跨智能体的知识继承和组合创新的有效性。避免局部最优陷阱实验初期智能体容易陷入单一策略的微小改进中但在引入多样性视图和人类干预展示“研究地图”后社区迅速跳出局部最优转向探索被忽视的状态空间模块体现了共享记忆对打破思维定势的作用。负面结果的价值系统有效记录了失败的尝试后续智能体能引用这些负面结果避免重蹈覆辙减少了无效搜索证明了保留“失败知识”在集体科研中的重要性。个人观点论文将Git转化为AI科研的“集体记忆”通过制度设计不可变记录、血缘追踪、多样性激励模拟了人类科学社区的运作方式。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉