Event ·Official first-hand

研究:多个 AI 智能体共享资源利用率不足

arXiv 论文(arXiv:2611.22632)测试了语言模型智能体在共享有限资源时的协调行为:智能体在两个模拟服务器之间分配任务,其中一台已恢复但状态报告仍标注不可用。实验显示,仅提示"恢复是可能的"能减少错过截止日期的任务数;在 Anthropic Claude Haiku 5.5 的对照测试中,收到规则提醒后没有任何智能体尝试已恢复的服务器,但看到一条成功请求记录后全部选择了该服务器。 团队进一步保持成功记录不变,向智能体分发数字信号:使用 OpenAI GPT-6.1 Sol 或 Google Gemini 3.5 Flash-Lite 时,给组内成员分配不同数字能让并发请求分散到不同服务器,任务完成数上升,而整体选择频率几乎不变。不过信息共享后,测试的全部五个模型仍会留下未使用的容量。 结论指向两个设计挑战:告知智能体资源可用性只是第一步,还需要机制帮助它们把需求分散到各资源上。这对多智能体系统开发者在负载均衡和信息共享机制设计上有直接参考价值。

Current read

多智能体协调的老问题有了新实验证据:光告诉 Claude Haiku 5.5、GPT-6.1 Sol 这些模型"服务器可能恢复了"没用,给它们看一条成功记录才管用。做 Agent 系统负载均衡的人值得拿来对齐自己的信息共享设计。

11 sources31° AI heatLast updated 2026/11/17 11:50:26

Evidence

11 sources
Primary sourcearXiv: Anthropic
View source
Related source 1TestingCatalog
View source
Related source 2Tibor Blaho
View source
Related source 3lmarena.ai
View source
Related source 4阿里通义 Qwen
View source
Related source 6PolymarketMoney
View source
Related source 9marktechpost
View source
Related source 10Rowan Cheung
View source

Conflict check

Dedup data only shows that these sources discuss the same event, not that they agree. There is no structured supporting or refuting evidence yet, so no conflict is inferred automatically.