MPT 框架：让智能体群体像市场般竞标分工、去中心化自编排学习
shangbinfeng · x · 2026-10-21
受亚当·斯密分工理论启发的 arXiv 论文（2610.22322，Guowei Xu、Zhenting Qi、Yilun Du 等）提出 Market-based Post-Training（MPT），挑战「只靠单模型 scale up」的主流范式，回应 Society of Mind 的设想：智能或许可以从较弱的智能体互动中涌现。
- 机制：智能体通过「出价」表达参与意愿，出价既决定谁执行动作，也决定集体成败如何转化为个体的学习信号；无需中央协调者。
- 联合学习：同时学习动作策略与自编排（self-orchestration），个体能力与参与模式随能力提升共同演化，合作模式也随之改变。
- 展望：作者提问——若去中心化智能体社会扩展到数百万规模、能以「社会」而非个体方式学习，机器能达成什么？
所属事件:哈佛团队推出 MPT：智能体群体竞价分工自编排(2 条相关)→
「编程与Agent」频道最新
- Claude Code 上下文清理小技巧:用 claude-md-management 插件审计 CLAUDE.md — daniel_mac8 · 2026-10-21
- MIT 团队获 Laude 资助重建数据系统,WaggleHaus 面向 agent 化数据湖查询 — lateinteraction · 2026-10-21
- komorama 周记:AI 彼得原理——前 90% 从未这么快,后 90% 从未这么慢 — lennysan · 2026-10-21
- Opus 编排开源视频模型,成本仅 SOTA 视频模型的约 1/80 — mickeyxfriedman · 2026-10-21
- 多智能体架构正在被「发现」而非设计，共享状态成涌现偏好 — JensHonack · 2026-10-21
- UC Berkeley 团队开源 SkyDiscover:用 AI 自动发现算法并组装系统 — CShorten30 · 2026-10-21