多智能体扩展在析取与补偿任务上的表现
来自 arXiv · 期号 2026-09-26
摘要
多智能体 LLM 系统通常被认为团队越大效果越好，但实际表现取决于任务结构。 本文引入 Steiner 的群体任务分类法，聚焦两类任务：析取任务（至少一个成员答对即可）和补偿任务（取平均值）。在 13 个开源模型、最多 30 个智能体的实验中，发现截然不同的扩展规律。 析取任务上，团队越大至少一人答对的概率提升 5-20 个百分点，但直接对答案做多数投票几乎无法兑现这一潜力——模型自身预测与多数投票结果平均只差 0.5 个百分点。多轮修订能大幅提升准确率，但一个同伴和 29 个同伴的效果几乎一样。 补偿任务（费米估计）上，扩展几乎无益：模型样本间的项目级偏差解释了约 87% 的平方误差，取平均只能减少约 6%。混合不同模型家族在费米估计上有帮助，但在析取任务上无法超越最强成员。 任务结构与成员输出组合机制，是决定团队扩展效果的根本因素。