谷歌研究院探索多智能體協調的擴展原則

作者 | Sergio De Simone

譯者 | 張衛濱

谷歌研究院通過對 180 種智能體配置進行對照評估，試圖解答如何設計智能體系統以實現最優性能的問題。研究團隊由此得出了他們所稱的“AI 智能體系統首批定量擴展原則”，結果表明，多智能體協同并不能穩定提升效果，甚至可能降低性能。

研究作者稱，該研究對多個普遍認可的觀點提出了挑戰：

從業者往往依賴經驗法則，例如，默認 “智能體越多越好”，認為增加專用智能體會持續提升效果。

而他們認為，這種優勢僅適用于特定類型的任務，因為增加更多智能體通常會觸及性能天花板，在某些情況下甚至會損害性能。

該研究評估了五種架構，包括單智能體、獨立多智能體、集中調度、點對點以及混合系統，他們發現，可并行化任務（即工作可拆分為獨立的模塊）能從多智能體協同中顯著獲益。例如：

在金融推理等可并行化的任務中，集中式協同相比單智能體性能提升 80.9%。

反之，在 PlanCraft 這類順序推理的任務中，引入多智能體往往會導致效果變差：

我們測試的所有多智能體變體性能均下降 39%–70%。在這類場景下，通信開銷會割裂推理過程，導致實際任務沒有足夠的“認知預算”。

該研究還指出了工具使用的瓶頸，也就是當任務需要更多工具調用（如 API、網頁操作及其他外部資源）時，協同成本會上升。這些成本可能超過多智能體系統帶來的收益，并成為決定是否采用多智能體架構的關鍵因素。

另一項值得注意的發現是，如果錯誤沒有被有約束地傳播，獨立智能體可能將錯誤放大約 17 倍。相比之下，集中式協同可將錯誤傳播限制在約 4.4 倍，因為調度器會在傳遞結果前對其進行校驗和管理。

最后，研究人員還開發了一個預測模型，用于選擇合適的架構：

開發者無需猜測是使用集群智能體還是單個強大模型，而是可以根據任務特性做出有理論依據的工程決策，尤其是其順序依賴關系與工具密集度。

該模型對約 87% 的未見過的任務配置能正確識別最優方案，決定系數（R2）達到了 0.513。

在 Hacker News 上針對谷歌這項研究的討論中，zkmon認為該研究缺乏堅實的理論基礎，沒有清晰解釋為何某些架構會產生觀測到的差異。同樣，gopalv指出，雖然單智能體系統可能對錯誤不具備健壯性，但引入協調器未必是合適的解決方案：

我們發現調度器并非核心組件，核心是為每個動作配備專用評估器，在執行結束時將結果、目標與方法進行匹配，并向調度器反饋目標達成情況。

kioku則指出，通過使用協調器獲得的 8% 性能提升，可能不足以證明引入協同層所增加的復雜度與成本是合理的。

查看英文原文：

Google Explores Scaling Principles for Multi-agent Coordination（https://www.infoq.com/news/2026/02/google-agent-scaling-principles/）

聲明：本文由 InfoQ 翻譯，未經許可禁止轉載。