Multi-Agent

面向长任务场景的上下文管理与多执行单元协同，是当前 Agent 研究中的核心问题之一。在 大语言模型智能体 中我介绍过 Agent 的规划、记忆与工具使用三大模块；在 Self-Evolving Agents 与 FlashInfer 比赛总结 中，我讨论了 Harness Engineering 这一范式：人类负责设计约束、反馈与评估，Agent 在受控闭环里迭代产出可验证的结果。这篇博客聚焦更具体的一层问题：当任务变长、变复杂应该用什么架构来组织 Agent？ ...

从 GPT 系列的演进中，研究者逐渐意识到：只要持续扩大模型参数、训练数据和计算资源，大模型性能便会沿着稳定且可预测的路径不断提升。这种可预测性正是由 Scaling Laws 所刻画，它为成本高昂的预训练提供了理论基础与实践信心。随着模型规模、对齐技术以及推理阶段的计算不断协同演化，AI 的能力边界正在系统性地被推高。它不仅是构建下一代模型的基础，也是在算力约束下持续提升模型能力的关键方法论。 ...