让AI智能体用数学语言"对话"——这正是MATHBAC项目背后的核心理念。
MATHBAC,全称"促进智能体通信的数学研究"(Mathematics for Boosting Agentic Communication),旨在开辟AI通信的全新领域。该项目的目标是让AI智能体能够相互"交流",从而实现协作并共享信息。
该项目由美国国防高级研究计划局(DARPA)主导推进。DARPA是互联网的重要奠基机构之一,此次希望通过该研究,使AI智能体模型能够协同合作,解决复杂问题,同时加深外界对这些系统运作背后数学原理的理解。
项目的一个关键原则是:必须探索根本性的全新工作方式。那些仅对现有方法和模型进行渐进式改进的研究,将被明确排除在MATHBAC的资助范围之外。
整个项目分为两个阶段。第一阶段聚焦于推导AI智能体背后的数学原理,并探索改善系统间通信的途径。第二阶段则更具雄心,计划构建一套工具体系,以推动一门新兴科学的发展,致力于解决"支撑集体智能体智能的基础科学与数学难题"。
DARPA预计在34个月内完成上述全部目标,目前正面向有意参与该项目的机构公开征集研究提案。
Q&A
Q1:MATHBAC项目的核心目标是什么?
A:MATHBAC项目的核心目标是开发一套数学框架,让AI智能体之间能够以数学语言相互"对话",实现更高效的协作与信息共享。该项目不仅希望提升AI智能体间的通信能力,还致力于深化人们对智能体系统运作背后数学原理的理解,最终推动集体智能体智能这一新兴科学领域的发展。
Q2:MATHBAC项目分为哪几个阶段,各自研究什么?
A:MATHBAC项目分为两个阶段。第一阶段主要研究AI智能体背后的数学推导原理,并探索改善不同系统之间通信效率的方法。第二阶段目标更为宏大,旨在开发专门工具,推动一门新兴科学的形成,重点攻克支撑集体智能体智能的基础科学与数学难题。整个项目预计在34个月内完成。
Q3:MATHBAC项目对参与机构的研究方向有哪些限制?
A:MATHBAC项目明确要求参与机构必须探索根本性的全新研究方向,仅对现有方法或模型进行渐进式改进的研究将被排除在资助范围之外。换言之,DARPA希望通过该项目催生真正意义上的创新突破,而非对已有技术的小幅优化。目前DARPA已向有意参与的机构公开征集研究提案。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。