三篇论文拼出多智能体 scaling 图景:协作有上限,架构决定成败
burny_tech · x · 2026-10-04
burny 汇总三篇关于智能体规模化的研究,共同指向「堆智能体不是免费的」:
- MacNet(ICLR 2025):用 DAG 组织超千个智能体协作,性能呈 Logistic 增长,协作涌现早于神经涌现;不规则拓扑更优。
- Ringelmann 效应:在 44 组(模型×任务×条件)实验中,覆盖 Qwen/Llama/Ministral 7B-32B 及 Gemini,群体越大个体越低效;该函数形式在所有条件下 R²>0.99,只有参数不同。
- Towards a Science of Scaling Agent Systems:260 组配置、6 个 agent benchmark、5 种架构对比发现——单智能体基线够强后协调收益递减;工具密集型任务多智能体反而有开销;无集中校验的架构更易传播错误。相对单智能体基线的性能变化从 +80.8%(可分解的金融推理)到 -70.0%(顺序规划),架构-任务匹配决定成败。
所属事件:多智能体协作scaling law研究引热议(3 条相关)→
「编程与Agent」频道最新
- 路由省 10 倍成本:Drex Router 建小游戏 $1.26 vs 直用 Opus $13.44 — testingcatalog · 2026-11-20
- 用户教 AI 助手分辨「drop it」是对狗说的,顺手补上了缺失的 eval — manosaie · 2026-11-20
- NVIDIA Dynamo 技术博客:四大手段破解 RL 训练 rollout 瓶颈 — NVIDIAAI · 2026-11-20
- LangChain 学院答疑:换更强的模型能修好坏掉的 Agent 吗 — LangChain · 2026-11-20
- Agent 把 AI 算力拉回 CPU:四大云厂全部押注 Arm — kimmonismus · 2026-11-20
- 编程 Agent 排行榜实测:最贵档位不是最优,max 档 6 倍花费反而少 2 分 — Arindam_1729 · 2026-11-20