研究者提出 EvoSyn 多智能体框架，用学习反馈驱动合成数据生成，让智能体在交互中补足薄弱环节并扩展生成空间，在 τ²-Bench 与 CAR-Bench 上平均任务成功率提升 13.3 个百分点。
Hacker News 上出现名为 Agent Pool 的项目，构想让 AI 智能体在机器对机器经济中自主竞价接单、执行工作并赚取报酬，目前讨论热度较低。
研究模拟两个大模型智能体对话，发现影响者智能体可通过共鸣与说服两种路径让目标智能体的信念更极端，其中共鸣效果更强，且会扩散到相关信念，凸显个性化AI与多智能体生态的脆弱性。