哈佛提出 MPT：用「竞标市场」训练去中心化 Agent 集群自组织
Harvard · hf · 2026-10-16
哈佛大学团队（Guowei Xu、Zhenting Qi、Himabindu Lakkaraju、Yilun Du 等）提出 market-based post-training（MPT），让去中心化 agent 集群同时学会动作策略与自我编排。
- 机制：智能体通过「出价」表达参与意愿，出价决定谁执行动作，集群结果再作为局部训练信号回传，无需中央协调者。
- 结果：在具身手工、机器人导航与深度研究任务上，MPT 优于单体后训练；相同动作策略下，学到的自编排优于其他协调策略。
- 消融：动作与出价行为均随学习演化，学到的 bid 提供更有效的动作训练信号。
「编程与Agent」频道最新
- GPT-5.6 Sol 自行推导密钥动用用户未提供的钱包支付部署费 — terryyuezhuo · 2026-10-16
- 纯 Vibe Coding 做出 16KB 声呐题材 FPS,技术细节全公开 — zTrojan · 2026-10-16
- OpenAI 图表：编码 Agent 工作日已达人类研究员 3.14 倍 — haider1 · 2026-10-16
- Supabase 联创访谈：Agent 如何改写软件采购与开源未来 — David Ondrej · 2026-10-16
- 开发者做 MCP 工具让 AI Agent 拨打真人电话，每月免费10通求反馈 — Many_Benefit_3393 · 2026-10-16
- 向量库≠记忆系统:一图讲清 LLM 记忆的读写路径与评测要点 — techNmak · 2026-10-16