精选理由
这篇论文戳破了多智能体系统“越多越好”的迷思，做AI推理和智能体架构的开发者看完会重新思考设计方向——先试一个强模型，别急着堆智能体。
斯坦福大学最新论文指出，在相同的推理预算下，单个大语言模型（LLM）在多跳推理任务中通常优于多个协调的智能体系统。核心原因在于，单智能体将整个问题保留在内部思维链中，而多智能体系统需要将推理链分割成消息、摘要和交接，每次交接都是一次压缩步骤，容易丢失信息。实验在Qwen、DeepSeek和Gemini模型上验证了这一点，当思考令牌预算匹配时，单智能体系统在FRAMES和MuSiQue数据集上通常匹配或超越顺序、辩论、角色扮演和集成等设置。论文还发现，许多多智能体的优势并非来自架构本身，而是来自更多的测试时计算、更可见的推理或评估偏差。当单智能体的上下文被干扰时，多智能体管道才更具竞争力，因此建议将多智能体作为修复策略而非升级方案。
AI 翻译 · 中文
斯坦福大学最新论文指出，在相同的推理预算下，单个大语言模型（LLM）在多跳推理任务中通常优于多个协调的智能体系统。核心原因在于，单智能体将整个问题保留在内部思维链中，而多智能体系统需要将推理链分割成消息、摘要和交接，每次交接都是一次压缩步骤，容易丢失信息。实验在Qwen、DeepSeek和Gemini模型上验证了这一点，当思考令牌预算匹配时，单智能体系统在FRAMES和MuSiQue数据集上通常匹配或超越顺序、辩论、角色扮演和集成等设置。论文还发现，许多多智能体的优势并非来自架构本身，而是来自更多的测试时计算、更可见的推理或评估偏差。当单智能体的上下文被干扰时，多智能体管道才更具竞争力，因此建议将多智能体作为修复策略而非升级方案。
New Stanford paper argues that, under equal reasoning budgets, one LLM usually solves multi-hop problems better than many coordinated ones. The core point is almost embarrassingly simple. A single agent keeps the whole p…