面向线性注意力架构自主发现的多智能体 AI 研究团队

论文提出由不同学科背景的持久化 AI 研究者组成团队，各自保留私有研究历史、共享实验证据，并通过自适应分配获得研究机会，用于搜索线性注意力架构。在 1.3B 规模的语言建模、常识推理以及合成与真实检索任务上，该团队表现优于 GDN2。对照实验显示，去掉任一组织组件都会让发现明显变弱：没有学科背景时搜索会较早停滞，没有私有历史时进展更少，而在相同预算下，统一选择不如自适应分配。