斯坦福等发布自组织 Agent 团队：学会协作推理、胜过最强单模型

斯坦福、Together AI、Emory 等机构的研究者发布新论文《Self-Organizing Agent Teams Learn to Reason Together》，提出「自组织智能体团队（SAT）」：由固定成员组成的 Agent 团队不再依赖人工预设的协作协议，而是从过往协作经验中学习可复用的角色分工、对话阶段、参与规则与信息共享策略。研究动机部分来自近期 Navier-Stokes 求解进展引发的多 Agent 协作价值讨论。团队核心成员 jamesyzou 多次转发推荐，威斯康星学者 Dimitris Papailiopoulos 也转发称其为 test-time 协作的代表性工作。

已确认

• 团队由 o3-mini、Claude Sonnet 4、DeepSeek-V3 三个模型组成，在五个数学与物理基准上平均得分 66.7%。
• 最强单个模型在同一设置下得 48.8%，团队表现显著超过其最佳成员；据 m4 的转述，效果还超过理想路由（ideal routing）方案。
• 方法让团队自行学习协作策略（角色分工、对话阶段、参与规则、信息共享），而非使用预设协议。
• 论文作者包括 Aneesh Pappu 等人，机构涉及斯坦福、Together AI、Emory 等。

为什么重要

• 该结果为「多 Agent 协作能否真正带来超越单体模型的推理能力」提供了量化证据，表明协作策略本身可以被学习并复用。
• 论文由 jamesyzou 团队发布并获多位学者转发推荐，属于 test-time 多 Agent 协作方向的代表性新工作，对后续 Agent 系统设计具有参考价值。

2026-09-23 ~ 2026-09-24 · 6 条相关

• 【源头】新研究：自组织 agent 团队学会协同推理，超越单个 agent — james_y_zou · 2026-09-23
• 自组织智能体团队协作推理:超越单体的新研究 — james_y_zou · 2026-09-23
• 自组织 Agent 团队学会协作推理，研究揭示智能体通信策略何时泛化 — james_y_zou · 2026-09-23
• 【源头】Stanford论文：自组织Agent团队协作推理，准确率66.7%超最强成员 — airesearch12 · 2026-09-23
• 斯坦福论文:自组织 Agent 团队 66.7% 胜过最强单模型 48.8% — dair_ai · 2026-09-23

另有 1 条近重复转述:james_y_zou