AIagent

想像你不用裝環境、不用翻 GitHub、不用對照方法學附錄，就能直接對一篇論文說：「把你們的方法套到我的資料上。」史丹佛團隊的 Paper2Agent 剛登上《Nature》，做的就是這件事——把整篇論文（正文、補充資料、資料集、程式庫）自動轉成一個 MCP 伺服器，作者稱之為「虛擬通訊作者」。 🔧 建構過程本身就是一群代理在工作。它們不只讀論文，還試著從零把研究重跑一次，把那些原本藏在補充資料裡的「怎麼做」記錄下來。 ✅ 真正關鍵的是最後一步：自動產生測試、對照原論文結果，通過了才把工具鎖定。所以模型不是每次現寫程式碼，而是呼叫一個已經被驗證過的方法。 📊 這層驗證值多少？AlphaGeno …

現在幾乎所有上線的多代理 AI 框架都長一個樣：管理者審查產出，不滿意就打回重做。萊頓大學把五個代理的角色、提示詞、工具、模型、資料全部固定，只改一條線——管理者能不能強制重寫。 📉 43 對配對、86 次執行。扁平結構在實用性與清晰度上都贏，階層式還多燒了 51.5% 的 token。 🔍 但最有意思的不是輸贏，是差距出現的位置。管理者從沒介入的那 11 次，階層式數值上還略高；階層式撰寫者的第一稿，和扁平式成品完全無法區分。差距是在被打回之後才長出來的。 📝 被要求重寫時，代理做了什麼？它保留了前一稿 88% 的內容，一個字都沒重新想，只是把「可能」「或許」「建議」加了 53%。34 次改 …