深度分析 DeLM：Stanford 的去中心化語言模型框架，實驗顯示成本減半、準確率提升 斯坦福提出DeLM去中心化多代理框架，利用共享知識基底與任務佇列，讓代理直接協調。實驗顯示在SWE‑bench與LongBench‑v2上提升精準度約10%，成本減半。此技術或重塑AI產業的協調模式與開發者生態。此外，DeLM透過壓縮驗證的gists共享失敗與限制，降低重複探索，提升上下文問答效能。
