Composition（组合性）在 AI 领域指将多个模型、Agent 或推理步骤组合起来完成复杂任务的能力，正从单纯的技术概念变成多 Agent 系统与模型评测的核心议题。无论是编排多个 Agent 的上层框架、跨设备的任务动态组合，还是数学推理中的步骤衔接，业界都在重新审视：单个环节做对了，整体组合未必能成。
Composition 相关近期进展
当前焦点与观察点
Composition 讨论目前集中在两条线上。其一是系统层面的编排：随着 Agent 数量增多，如何通过 meta-harness 这类中间层统一调度、控制权限与协作，成为 Databricks 等厂商争夺的位置。其二是能力层面的评测：数学推理中的 composition gap 说明，现有以单步正确率为核心的基准可能高估了模型的实际表现，步骤间的衔接与状态保持正在成为新的评测维度。
值得关注的问题是：编排框架的抽象层级如何设计才能避免过度封装；以及 GUI Agent 的动态任务组合能否在真实跨设备场景中保持稳定。此外，Choice2Seq 对输出接口间正确性保持的基准测试也提示，接口选择本身就会影响组合后的结果。整体来看，composition 正在从“能调用多个工具”演进为“多个环节协同后依然可靠”，这一标准的确立将是下一阶段的关键观察点。