研究：按个体能力选最强模型组队反而翻车，落后随机 20 分
shangbinfeng · x · 2026-10-23
多 LLM 模型选择研究的关键结果：
- 随机组队是抽奖：成绩波动可达 ±25 分
- 单挑最强的模型组队可能适得其反：multi-agent refine 下 TruthfulQA 仅 24.8 分，低于随机的 45.4
- 能力感知选择：团队表现稳定，比随机/启发式最多好 36.1%，并能超过最强单模型
论文《You're Hired: Strategic Model Selection for LLM Collaboration》结论：部署多 LLM 系统前应先做能力感知的模型筛选。
所属事件:研究提出9种策略为多LLM协作选模型，最优可超随机36.1%(5 条相关)→
「研究」频道最新
- 新研究提出「瓶颈压力」指标：同一任务在不同职业面临不同 AI 冲击 — soumitrashukla9 · 2026-10-23
- 基因组「暗物质」破解：语言模型加 AI agent 挖掘非编码 RNA — BrianHie · 2026-10-23
- ICLR 2027 审稿人抱怨：分配稿件大多是「难以卒读的 slop」 — JessicaHullman · 2026-10-23
- Anthropic 开放生命科学「客座研究员」计划：免费用模型，成果开源 — nc_frey · 2026-10-23
- 斯坦福博士答辩公开：生成模型守护自主系统安全，还上了真机试飞 — StanfordAILab · 2026-10-23
- Hugging Face 开源 ThinkingBox:用数据库评分做 RL 奖励训练 Agent — Hugging Face Blog · 2026-10-23