研究发现多智能体代码评判框架MARCH在多数比较中无法区分两个候选方案，准确率仅4.4%，远低于直接提问的43.7%。作者提出两项无需标签的测量指标，据此让评判器拒绝无依据的比较，准确率提升至36.9%。
研究者提出面向人机多智能体仿真的设计原则与软件架构 AGIMUD，将社会感知推理、情绪行为与多模态交互结合，并支持分布式部署，让多个自主智能体与人类在动态世界中实时互动。
AAA AI 是一个让多个自主 AI 智能体组成“小队”协同工作的方案，可运行在本地或云端大模型上。它在 Hacker News 上仅获 3 分、0 条评论，关注度极低。