Towards a Science of Scaling Agent Systems

Towards a Science of Scaling Agent Systems ArXiv ID: 2512.08296作者: Yubin Kim, Ken Gu, Chanwoo Park 等 (MIT, Google DeepMind)发布日期: 2025-12-09分类: ai-agents 摘要智能体 – 基于语言模型的能够推理、规划和行动的系统 – 正在成为实际 AI 应用的主导范式。然而，决定其性能的原则仍然未被充分探索。本文通过推导多智能体系统的定量扩展原则来解决这一问题，将智能体数量、协调结构、模型能力和任务属性之间的相互作用形式化为可预测的扩展定律。 核心发现：更多智能体并不总是更好 – 架构必须匹配任务结构，拓扑、验证和任务分解等设计选择与模型大小同等重要。 主要贡献1. 形式化的智能体评估定义首次为多智能体系统提出严格的评估框架，包括效率、开销、错误放大...

阅读全文