SwarmEvolve用450个Agent加速程序搜索
热点事件持续更新
SwarmEvolve用450个Agent加速程序搜索
2 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
布朗大学研究团队提出 SwarmEvolve，让450个Agent在模型潜空间中推理，并通过共享KV Cache交换信息，以减少多智能体协作的时间和算力开销，用于数学发现及科学计算程序优化。 团队称，在单GPU、每次运行1小时的条件下，该方法每小时评估的候选程序数量是其他框架的5至13倍，达到其他框架1小时最佳成绩所需时间的中位数仅为3至8分钟；在部分问题上，使用Qwen3 8B的SwarmEvolve超过了AlphaEvolve借助前沿模型找到的解。
AI 根据报道生成 · 1 小时前更新
最新进展11月9日 19:27
布朗大学 SwarmEvolve 用 450 个 Agent 潜空间通信加速程序搜索报道时间线
沿着报道，了解事件的不同侧面。
11月9日
- AGI Hunt布朗大学 SwarmEvolve 用 450 个 Agent 潜空间通信加速程序搜索
布朗大学提出多 Agent 进化搜索框架 SwarmEvolve，让 450 个 Agent 在潜空间中推理并通过 KV Cache 交换信息，以降低协作的时间和算力开销。
11月7日
- AGI HuntSwarmEvolve：潜空间 Agent 集群进化搜索，8B 模型跑赢 AlphaEvolve
SwarmEvolve 提出以潜空间推理的 Agent 集群执行 LLM 引导的进化搜索，用于数学发现与科学计算程序优化。每轮数百个低成本 Agent 通过 KV cache 共享信息并按隐藏状态向量距离筛选新颖想法；其在 21 个问题上取得最高平均分，中位数 3-8 分钟达到其他 SOTA 框架 60 分钟的最佳成绩，并在若干问题上以 Qwen3 8B 改进 AlphaEvolve 的解。
本事件热度走势
- 可比范围当前
- 10
- 可比范围峰值
- 1011月7日 04:00
- 近 24 小时变化
- +216%
02.557.510
12:0011月8日12:0011月9日12:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。