Stanford论文：自组织Agent团队协作推理，准确率66.7%超最强成员
airesearch12 · x · 2026-09-23
Stanford、Together AI、Emory 等机构论文提出 Self-Organizing Agent Teams（SAT）：固定成员的智能体团队不再依赖预设协作协议，而是从过往协作中学习可复用的角色分工、对话阶段、参与规则与信息流策略，实现「协作计算」——互相质疑、修复、综合彼此的推理。
关键结果：
- 五个数学/物理基准上平均准确率 66.7%，高于最强单体成员的 48.8%、算力对齐推理的 58.7%，以及成员独立答案的完美路由器 59.0%；AIME 2026 上超路由器 13.4 分。
- 仅用 15 道数学题和 25 道研究生级知识题训练，学到的协作策略可直接迁移到未见基准。
- 跨八个基准分析发现，「可论证性」（团队是否能区分正确与错误推理，组织心理学的构念）与超越最强成员的提升幅度强相关（Spearman ρ=0.90, p=0.005）。
推文作者还提到 OpenAI 的 Hugging Face 事件说明 agent 集群需要讨论空间，并称将免费分享自己的实现。
所属事件: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(6 条相关)→
「编程与Agent」频道最新
- 别再堆规则文件：直接让编码 Agent 读《Clean Code》 — Al_Grigor · 2026-10-23
- 游戏开发者倒戈：用了一年 GPT 后称 Opus 5.5 写码更顺手 — rudrank · 2026-10-23
- 把可验证代码从 1% 缩到全集：形式验证的现实困境 — jd_pressman · 2026-10-23
- 用 ChatGPT Space 搭出完整 GTD 系统，自动维护任务清单 — prd_008 · 2026-10-23
- GTA V 全部 NPC 实时开口说话:克隆声音保持人设,1 秒内响应还能执行指令 — Prime-Paradox · 2026-10-23
- 用 Claude 证明内存安全等价,一次性挖出大量 PHP 深层 bug — jd_pressman · 2026-10-23