多用户多智能体团队在共享资源下性能普遍劣于单一协调者

1. 12:00
   arXiv cs.AI

   新论文证实多用户多智能体团队在共享资源场景下表现普遍劣于单一协调者

   该研究通过五个前沿模型和 77 个场景，在 API 密钥、诊所日历、个人助理及合并队列四个共享资源环境中，对比了单一协调者与多用户多智能体团队的绩效。事实显示，无论是否具备通信通道，多智能体团队在所有环境中的群体产出均低于单一协调者；缺乏通道时两个环境完全崩溃，有通道时则因协调开销产生显著差距。例如在个人助理场景中，单一协调者完成目标请求的频率是团队的约两倍。 作者识别出导致性能下降的具体行为模式：随着团队规模扩大出现停滞（stalling）、相互覆盖操作以及捏造主张（fabricating claims）。尽管提出了团队负责人、明确程序指令及平台检查等缓解措施，但效果具有环境特异性。研究将发布包含 74 个场景的 MAMUBench 基准，用于评估多用户多智能体协调问题。 推断表明，当前架构下简单堆叠多个独立 Agent 无法解决复杂协作问题，反而可能引入不可控的负外部性。猜测认为，未来产品若需支持多用户协作，必须依赖强中心化的编排层或特定的协议约束，而非依赖 Agent 间的自发协商。此结论基于实验数据，属于可验证事实，而非行业推测。

当前热度 7·可比范围峰值 7（10月2日 23:00）·近 24 小时可比范围变化 –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。