伯克利新论文:协作智能体团队效果抵得上4倍独立智能体
DimitrisPapail · x · 2026-09-22
UC Berkeley 与 Microsoft Research 的论文《Scaling Discovery through Test-Time Communication》研究了多智能体在推理阶段的通信能否提升能力。
- 实验设置:N 个无角色分工的智能体在同一任务上工作,仅通过共享日志文件通信并被告知协作,基准为需要全新问题求解的 ARC-AGI-3。
- 核心发现:team@k(每步 k 个协作智能体)的成功率相当于 4k 个独立智能体,且该优势随 k 增大而扩大,说明收益随规模复利。
- 效果不止是效率:单个智能体无法解决的任务,协作团队可以稳定解决。
- 迁移到研究型任务:在 polyomino packing 上超过 best@k 并刷新已知最好成绩;在 MNIST 分类器压缩上,4 个协作智能体产出 1957 字节、99.4% 测试准确率的分类器,超过已知最佳人类方案和单智能体结果。
- 限制:算力受限或缺乏可靠的中间进度验证手段时,独立并行可能仍优于通信。
所属事件:测试时通信：5 个协作智能体匹敌 33 个独立智能体(25 条相关)→
「研究」频道最新
- 开源个性化 mRNA 癌症疫苗设计:为胰腺癌患者 Yash 而做 — xennygrimmato_ · 2026-11-12
- Georgia Tech 教授 Molei Tao 招收扩散语言模型方向博士生与博后 — gautamcgoel · 2026-11-12
- HF 研究员主张用效率增益指标取代最终 benchmark 分数 — eliebakouch · 2026-11-12
- 研究者提议:AI 进展评估应报告效率增益指标,而非只看最终跑分 — eliebakouch · 2026-11-12
- RoboCap-10k 发布：1 万小时带度量动作的开放式机器人数据集 — databoydg · 2026-11-12
- Google Research 用可穿戴设备做心血管-肾-代谢风险画像与个性化健康指导 — Google Research · 2026-11-12