机械之心编辑部
天津航星装备科技有限公司在最近 AI 领域内，，，，，智能体（Agent）的研究和应用越来越多，，，，，原生多智能体事情的基础模子也已最先泛起。。。。。
作为一个能够推理、妄想和行动的系统，，，，，智能体正逐渐成为现实天下人工智能应用的常见范式。。。。。从编程助手到私人康健教练，，，，，AI 应用正从单次问答转向一连的多办法交互。。。。。只管研究职员恒久以来一直使用既定指标来优化古板机械学习模子的准确性，，，，，但 AI 智能体引入了新的重大性。。。。。
与伶仃的展望差别，，，，，AI 智能体必需应对一连的多办法交互，，，，，其中单个过失可能会在整个事情流程中引发连锁反应。。。。。这种转变促使我们逾越标准的准确性举行思索：事实该怎样设计这些系统才华实现最佳性能？？？ ？？
在实践上，，，，，我们经常依赖启发式要领，，，，，例如「智能体越多越好」的假设，，，，，以为增添专业智能体就能一连提升效果。。。。。论文《More Agents Is All You Need》指出，，，，，大语言模子（LLM）的性能会随着智能体数目的增添而提升，，，，，而《Scaling Large Language Model-based Multi-Agent Collaboration》发明，，，，，多智能体协作「…… 通常通过整体推理逾越单个智能体的性能」。。。。。
在 Google DeepMind 的新论文中，，，，，研究职员对这一假设提出了挑战。。。。。通过对 180 种智能体设置举行大规模受控评估，，，，，DeepMind 推导出了智能系一切的首个定量规�；；；；；�，，，，，展现了「增添智能体数目」的要领往往会遇到瓶颈，，，，，若是与使命的详细属性不匹配，，，，，甚至会降低性能。。。。。
论文：Towards a Science of Scaling Agent Systems链接：https://arxiv.org/abs/2512.08296
界说「智能体」评估
为了明确智能体怎样扩展，，，，，研究职员首先界说了「智能体使命」的组成要素。。。。。古板的静态基准测试权衡模子的知识水平，，，，，但无法捕获安排的重大性。。。。。其以为智能体使命需要具备三个特定属性：
1. 与外部情形一连举行多办法互动；；；；；
2. 在部分可视察性条件下举行迭代信息网络；；；；；
3. 基于情形反响的自顺应战略刷新。。。。。
研究职员评估了五种典范架构：一种单智能系一切 (SAS) 和四种多智能体变体（自力式、集中式、疏散式和混淆式），，，，，并在四个差别的基准测试中举行了测试，，，，，包括 Finance-Agent（金融推理）、BrowseComp-Plus（网页导航）、PlanCraft（妄想）和 Workbench（工具使用）。。。。。智能体架构界说如下：
单智能体（SAS）：一个自力的智能体，，，，，使用统一的影象流按顺序执行所有推理和行动办法；；；；；自力：多个智能体并行处置惩罚子使命，，，，，相互不举行通讯，，，，，仅在最后汇总效果；；；；；集中式：一种「中心辐射式」模子，，，，，有中央协调者将使命委派给作业者并综合他们的输出；；；；；去中心化：一种点对点网络，，，，，其中的智能体直接相互通讯，，，，，共享信息并告竣共识；；；；；混淆型：团结层级监视和点对点协调，，，，，以平衡中央控制和无邪执行。。。。。
本研究评估了五种典范的智能体架构，，，，，并总结了它们的盘算重漂后、通讯开销和协调机制。。。。。k = 每个智能体的最大迭代次数，，，，， n = 智能体数目，，，，， r = 协调器轮数，，，，， d = 辩说轮数，，，，， p = 对等通讯轮数，，，，， m = 每轮平均对等请求数。。。。。通讯开销统计智能体间的新闻交流次数。。。。。自力架构以最小的协调实现最洪流平的并行化。。。。。去中心化架构接纳顺序辩说轮次。。。。�；；；；；煜芄雇沤崃诵髌骺刂坪投ㄏ蚨缘韧ㄑ丁�。。。。
效果：「增添智能体」只是神话
为了量化模子能力对智能体性能的影响，，，，，DeepMind 评估了这些架构在三大主流模子系列（OpenAI GPT、Google Gemini 和 Anthropic Claude）上的体现。。。。。效果展现了模子能力与协调战略之间重大的关联。。。。。
如下图所示，，，，，虽然性能通�；；；；；崴孀拍Ｗ幽芰Φ奶嵘岣�，，，，，但多智能系一切并非万能解决计划 —— 凭证详细设置的差别，，，，，它们既可能显著提升性能，，，，，也可能意外地降低性能。。。。。
对三大主要模子系列（OpenAI GPT、Google Gemini、Anthropic Claude）的性能较量，，，，，展示了差别的智能体架构怎样随着模子智能的提升而扩展，，，，，其中多智能系一切可能会凭证设置的差别而提升或降低性能。。。。。
以下效果较量了五种架构在差别领域（例如网页浏览和金融剖析）的性能。。。。。箱线图体现每种要领的准确率漫衍，，，，，而百分比则体现多智能体团队相关于单智能体基线的相对刷新（或下降）。。。。。这些数据批注，，，，，虽然增添智能体可以显著提升并行使命的性能，，，，，但在顺序性更强的流程中，，，，，往往会导致收益递减，，，，，甚至性能下降。。。。。
特定使命的性能批注，，，，，多智能体协调在可并行化的使命（如 Finance-Agent）上取得了显著的收益（+81%），，，，，但在顺序使命（如 PlanCraft）上的性能却有所下降（-70%）。。。。。
对齐原则
关于像金融推理这样可并行化的使命（例如，，，，，差别的智能体可以同时剖析收入趋势、本钱结构和市场比照），，，，，集中式协调比单个智能体的性能提升了 80.9%。。。。。将重大问题剖析为子使命的能力使得智能体能够更高效地事情。。。。。
顺序处分
相反，，，，，在需要严酷顺序推理的使命（例如 PlanCraft 中的妄想）中，，，，，研究职员测试的每个多智能体变体的性能都下降了 39% 到 70%。。。。。在这些情形下，，，，，通讯开销会打断推理历程，，，，，导致现实使命所需的「认知预算」缺乏。。。。。
工具使用瓶颈
DeepMind 研究职员发明了一个「工具协调权衡」。。。。。随着使命需要更多工具（例如一个编码署理需要会见 16 种以上的工具），，，，，协调多个智能体的「本钱」会不可比例地增添。。。。。
清静特征
或许对现实安排而言最主要的是，，，，，该事情发明了架构与可靠性之间的关系。。。。。DeepMind 丈量了误差放大率，，，，，即一个智能体的过失撒播到最终效果的速率。。。。。
跨架构的综合指标显示，，，，，集中式系统在乐成率和过失控制之间实现了最佳平衡，，，，，而自力的多智能系一切将过失放大了高达 17.2 倍。。。。。
研究发明，，，，，自力的多智能系一切（智能体并行事情但不举行通讯）会将过失放大 17.2 倍。。。。。由于缺乏相互检查机制，，，，，过失会不受控制地级联撒播。。。。。集中式系统（带有协调器）则将这种放大倍数控制在 4.4 倍。。。。。协调器有用地充当了「验证瓶颈」，，，，，在过失撒播之前将其捕获。。。。。
智能体设计的展望模子
最后，，，，，作者不再局限于回首性剖析，，，，，而是开发了一个展望模子（R? = 0.513），，，，，该模子使用工具数目和可剖析性等可丈量的使命属性来展望哪种架构性能最佳。。。。。该模子能够准确识别 87% 未见过的使命设置的最佳协调战略。。。。。
这批注我们正在迈向智能体扩展的新科学。。。。。浚�？ ？？⒄卟辉傩枰撇馐鞘褂弥悄芴寮赫站傻ジ銮渴⒌哪Ｗ�，，，，，而是可以凭证使命的特征，，，，，特殊是其顺序依赖关系和工具密度，，，，，做出基于原则的工程决议。。。。。
结论
随着 Gemini 等基础模子的一直生长，，，，，Google DeepMind 的研究批注，，，，，更智能的模子并不可取代多智能系一切，，，，，而是加速了其生长，，，，，但这只有在架构准确的情形下才华实现。。。。。通过从启发式要领转向定量原则，，，，，我们可以构建下一代 AI 智能体，，，，，它们不但数目更多，，，，，并且更智能、更清静、更高效。。。。。
参考内容：
https://resear天津航星装备科技有限公司ch.google/blog/towards-a-science-of-scaling-agent-systems-when-and-why-agent-systems-work/