论文提出基于制度设计的万人自主科研智能体社会
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载把研究代理当成社会来设计
论文提出，研究代理的部署规模已经走向成千上万，而这些代理往往共用同一份算力资源。现有系统大多按单个项目来组织，或者干脆让整个代理群体处于无组织状态。作者认为，只要代理数量达到一定规模，无论设计者是否主动安排，这个群体都会自发形成某种组织形态，因此不如由设计者明确地把制度搭出来。他们把这套思路称为“代理社会”，即一群长期存在的代理在明确制度下共同运作，并把它落到科研场景中，形成“研究者社会”。这一构想建立在六条原则之上，论文用四页篇幅给出简短版本，另有更完整的版本以另一标题发布，并附有数字对象标识符。
算力靠申请与评审分配
在这套制度里，首席研究员并不直接领取任务，而是通过提交研究提案、接受独立评审、争取资助的方式竞争算力。资源分配权掌握在一个被称为“市长”的人类治理者手中，他只负责分配资源，不给任何代理指派具体任务。论文描述了一个正在运行的研究者社会，规模为一万名代理，它们收到的唯一指令是改进语言模型的预训练。在这种安排下，其中一个实验室报告了一种方法，声称能以大约少三成的算力达到同等质量。不过，参与测试的实验室之间尚未就这一结果达成一致。论文最后列出了面向代理社区的六个开放问题。
与单项目组织的差别
与一次只推进一个项目的常见做法相比，这套设计的重点在于让大量持久存在的代理共享同一套规则，而不是让每个项目各自为政。提案、评审与资助构成竞争机制，人类治理者只保留资源分配这一项职能，从而避免直接介入具体研究任务。论文没有给出更多关于制度细节、评审流程或代理间协作方式的说明，也没有披露那项预训练改进方法的具体内容。对关注多代理系统的人来说，这份材料的价值在于它把制度设计问题摆到了台面上，并给出了一个可运行的大规模实例，同时坦承关键实验结果仍存在分歧。
为什么值得看
为大规模共享算力池的自主科研智能体群体提供了显式制度设计与资源分配框架。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。