Google 团队提出智能体系统扩展定律：多智能体协作并非总赚，协调有边际递减
burny_tech · x · 2026-10-04
arXiv 论文《Towards a Science of Scaling Agent Systems》（Yubin Kim 等 19 位作者）首次尝试为多智能体系统建立可预测的扩展定律。
- 覆盖 260 种配置：6 个智能体 benchmark、5 种架构（单智能体 + Independent/Centralized/Decentralized/Hybrid 四种多智能体）、3 个 LLM 家族，统一工具、提示词与算力以隔离架构效应。
- 预测模型交叉验证 R²=0.373（用任务能力指标时 R²=0.413）。
- 关键发现：①能力饱和效应——单智能体基线超过一定水平后，协调带来的收益递减；②工具密集型任务会承担多智能体额外开销；③无集中式验证的架构比有集中协调的架构更容易传播错误。
- 作者还结合了另一篇工作《The Ringelmann Effect in Multi-Agent LLM Systems》，研究多智能体「有效团队规模」的缩放规律。
「编程与Agent」频道最新
- 日本工程师用 Claude Opus 5.5 一口气做完河川不等流计算与 3D 可视化 — anselm · 2026-10-04
- 谷歌论文 VeriHarness：一致性会掩盖共同错误，分歧反而指向正确答案 — omarsar0 · 2026-10-04
- NVIDIA 论文：终端 agent 先验证再执行，TerminalBench Pass@1 从 50% 升到 68% — dair_ai · 2026-10-04
- 开发者用 Claude Opus 5.5 写出全代码 3D 驾驶 Demo,耗时 23 小时花费 259 美元 — bennash · 2026-10-04
- 开发者晒多智能体集群：一个编排器调度多支 Claude Code 舰队自建自愈 — aksh_stocks · 2026-10-04
- 提醒：Codex用量重置若不使用将在13小时内过期，可直接询问到期时间 — JeremyNguyenPhD · 2026-10-04