EverMind AI, 모델 하네스를 진화시키는 오픈소스 시스템 Raven 공개
DAIR.AI는 EverMind AI의 오픈소스 멀티 에이전트 시스템 Raven을 소개한다. Raven은 모델과 도메인마다 별도의 하네스를 구축하고 실패로부터 이를 진화시킨다. DeepSeek-V4-Flash에서는 연구용 하네스가 BrowseComp에서 69.3%, Humanity's Last Exam에서 60.0%를 기록했다.
#multi-agent
모든 AI 뉴스 보기Jevolution, TypeSafe AI 첫 Jev 해커톤에서 1위
Nikhil Hooda는 한 팀이 동물을 다루지 않고 멸종위기종을 연구하기 위한 멀티 에이전트 생태계 시뮬레이터 Jevolution으로 TypeSafe AI의 첫 Jev 해커톤에서 1위를 차지했다고 밝혔다.
Agensh, 중앙 오케스트레이터 없이 최대 1,024개 코딩 에이전트 조율
Microsoft Research 논문은 공유 상태를 통해 병렬 코딩 에이전트를 조율하는 자기 조직형 하네스 Agensh를 설명한다. GPT-5.6-sol에서 에이전트 수를 1개에서 128개로 늘리면 ProgramBench의 가장 어려운 다섯 과제에서 평균 최종 테스트 통과율이 19.31%에서 28.78%로 높아진다. pandoc에서는 1,024개 에이전트가 통과율을 33.89%에서 55.06%로 끌어올린다.
elvis는 Agora-2로 최대 20명의 인간과 에이전트가 하나의 실시간 시뮬레이션 세계를 공유할 수 있다고 밝혔다
elvis는 월드 모델 Agora-2가 이제 최대 20명의 인간과 에이전트를 하나의 시뮬레이션 세계에 동시에 넣을 수 있다고 밝혔다. elvis는 이를 로봇, 자율주행차, 사이버 방어 에이전트를 함께 훈련하고, 실제 환경에 적용하기 전에 에이전트 담합을 연구할 수 있는 공간으로 설명했다.
스탠퍼드와 Together AI 논문에서 세 모델의 자기조직화 팀이 평균 66.7%를 기록
DAIR.AI는 스탠퍼드와 Together AI 논문에서 o3-mini, Claude Sonnet 4, DeepSeek-V3가 자기조직화 팀으로 수학·물리 벤치마크 다섯 개에서 평균 66.7%를 기록했다고 전했다. 이는 가장 강한 구성원 단독의 48.8%와 완벽한 라우터의 59.0%보다 높다.