DeepMind：智能体越多越乱，Agent天花板出现了？

在最近 AI 领域内，智能体（Agent）的研究和应用越来越多，原生多智能体工作的基础模型也已开始出现。

作为一个能够推理、规划和行动的系统，智能体正逐渐成为现实世界人工智能应用的常见范式。从编程助手到私人健康教练，AI 应用正从单次问答转向持续的多步骤交互。尽管研究人员长期以来一直利用既定指标来优化传统机器学习模型的准确性，但 AI 智能体引入了新的复杂性。

与孤立的预测不同，AI 智能体必须应对持续的多步骤交互，其中单个错误可能会在整个工作流程中引发连锁反应。这种转变促使我们超越标准的准确性进行思考：究竟该如何设计这些系统才能实现最佳性能？

在实践上，我们常常依赖启发式方法，例如「智能体越多越好」的假设，认为增加专业智能体就能持续提升结果。论文《More Agents Is All You Need》指出，大语言模型（LLM）的性能会随着智能体数量的增加而提升，而《Scaling Large Language Model-based Multi-Agent Collaboration》发现，多智能体协作「…… 通常通过集体推理超越单个智能体的性能」。

在 Google DeepMind 的新论文中，研究人员对这一假设提出了挑战。通过对 180 种智能体配置进行大规模受控评估，DeepMind 推导出了智能体系统的首个定量规模化原则，揭示了「增加智能体数量」的方法往往会遇到瓶颈，如果与任务的具体属性不匹配，甚至会降低性能。