开发者发布基于双 MiMo-V2.6 实例的多智能体自主科研引擎仓库

开发者 elicksom15 在 GitHub 发布 LLM_PROJECT（Dual MiMo Autonomous Research Engine）仓库，宣称用 MiMo-V2.6 的 UltraSpeed 与 Pro 双实例对抗辩论驱动 24/7 自主科研，并构建基于 Neo4j/GDS 加权图的分层多智能体系统，支持 100 个智能体（12 个专业画像，可扩展至 500）。 项目称目标是在 RTX 3060 上以数学方法将自回归推理的计算与内存开销降低 75%-85%，无需 AWQ/GPTQ 量化；基准测试称自适应图模式准确率 91.7%（无图基线 50.0%），token 消耗降低 39.5%。仓库说明称运行周期、论点与评审记录写入 SQLite 并同步至 Discord，通过幂等奖惩机制让生成避开无效假设。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。