机器之心报说念
剪辑：Panda
智能体（Agent），即基于话语模子且具备推理、筹算和行径才能的系统，正在成为实际全国 AI 应用的主导范式。
尽管其已被平凡接受，但决定其性能的原则仍未被充分探索，导致从业者只可依赖启发式训戒，而非有道理依托的想象遴荐。
当今，的一篇新论文填补了这一空缺！
他们通过开阔实验找到了智能体的 Scaling Law，只不外他们将其称为quantitative scaling principles，即定量膨胀原则。
论文标题：Towards a Science of Scaling Agent Systems论文地址：https://arxiv.org/abs/2512.08296
具体来说，他们将这种膨胀界说为智能体数目、结合结构、模子才能和任务属性之间的相互作用。
他们在四个不同的基准测试中对此进行了评估：Finance-Agent（金融推理）、BrowseComp-Plus（聚集导航）、PlanCraft（游戏筹算）和 Workbench（职责流践诺）。
操纵五种典型的智能体架构（单智能体系统以及四种多智能体系统：独处型、中心化、去中心化、混杂型），并在三个 LLM 家眷（OpenAI, Google, Anthropic）中进行实例化，谷歌这个团队对 180 种成就进行了受控评估，递次化了器具、教导结构和 token 预算，以将架构效应从实施混杂身分中停止出来。
他们使用训戒性的结合想法（包括效果、支出、子虚放大和冗余）推导出了一个瞻望模子，该模子罢了了交叉考证 R²=0.513，通过对任务属性建模而非过度拟合特定数据集，罢了了对未见任务领域的瞻望。
是的，智能体的 Scaling Law 找到了！况兼准确度还终点高，谷歌暗示：「咱们的框架在瞻望保留任务的最好架构方面罢了了 87% 的准确率。」这么一来，智能体的部署决议将第一次赢得强有劲的原则赈济。
为了找到这套定量原则，谷歌团队莫得只是停留在表面推导，而是进行了一场号称暴力穷举的实证有计划。
他们动用了三大模子家眷（Google Gemini、OpenAI GPT、Anthropic Claude），在金融、网购、游戏筹算等不同场景下进行了 180 组受控实验。
实验驱散不仅令东说念主不测，致使颠覆了好多缔造者的直观。简短来说，他们发现了一些规矩。
任务决定成败：有的场景是神助攻，有的是猪队友
往常东说念主们常说「三个臭皮匠，顶个诸葛亮」，但这篇论晓示诉咱们：这透顶取决于你们在干什么任务。
红榜（得当组团）： 在金融分析（Finance-Agent）这类任务中，多智能体结合是大杀器。中心化架构（有一个「调换官」分拨任务）能让性能暴涨 80.9%。为什么？因为这类任务不错拆分 —— 你查财报，我算汇率，他作念转头，寰球并行职责，效果极高。
黑榜（切忌组团）： 在游戏筹算（PlanCraft）这类任务中，通盘多智能体架构皆翻车了，性能惨跌 39% 到 70%。原因在于这类任务为德不终紊（必须先砍树，才能作念木板），强行把经过拆给不同的东说念主，光是计划本钱就把推理才能花费殆尽了。
三大隐形杀手：什么在阻止智能体变强？
通过对数据的深度挖掘，谷歌团队量化了阻止智能体膨胀的三大中枢身分：
第一，器具越多，结合越难（器具-结合衡量）
要是任务需要用到开阔器具（比如 16 个以上的 API），再引入多智能体结合等于一场糟糕。实验数据走漏，器具密集的任务会因宏大的计划支出而不仅没变快，反而变慢、变笨。
第二，才能有天花板（才能充足效应）
这是最反直观的极少：要是单个智能体如故够聪惠了，就别再给它找帮衬了。 数据标明，当单智能体的基线准确率异常 45% 时，再增多智能体进行结合，收益频频是负的。所谓「帮倒忙」，在 AI 全国里是真正存在的。
第三，莫得调换官，子虚会指数级放大
要是你让一群智能体各利己战（独处型架构），子虚会被放大 17.2 倍 —— 因为没东说念主查验，一个东说念主的错会传给通盘东说念主。但要是引入一个「调换官」进行中心化经管，子虚放大率能被戒指在 4.4 倍。这证实了在多智能体系统中，架构想象比单纯堆东说念主数更进击。
模子特性测试：谁是最好调换官？
除了任务和架构，论文还发现了一个道理道理的表象：不同厂商的模子有不同的结合特性。在遴荐团队成员时，你不成只看才略（IQ），还要看它们合别离群。
Google Gemini：擅长「层级经管」的践诺官。Gemini 模子在中心化架构下阐述出了惊东说念主的适应性。在金融任务中，Gemini 的中心化结合带来了 +164.3% 的恐怖普及。数据标明，它最听调换，践诺力最强，且在不同架构下的性价比最为均衡。
OpenAI GPT：擅长「复杂计划」的交际花。GPT 系列在混杂型架构（Hybrid）中阐述最好 。天然混杂架构的计划本钱很高，但 GPT 似乎领有私有的「通讯协同效应」（Communication Synergy），能驾御复杂的交互聚集，不仅能听调换，还能科罚同级之间的横向计划 。
Anthropic Claude：正经但敏锐的保守派。Claude 对结合支出相配敏锐，一朝计划太复杂，本钱就会飙升（每普及 1% 性能的本钱是 Google 的 2 倍）。因此，它最得当简短平直的中心化架构，阐述最稳（方差最小）。更道理道理的是，它是惟逐个个在「弱调换官带强兵」（异构混杂）口头下还能普及性能的模子，展现出了私有的容错性
驱散：这等于咱们要找的「瞻望公式」
最终，基于上述发现，谷歌推导出了一个瞻望模子。这个模子不依赖玄学，而是基于效果、支出、子虚放大率等硬想法。
它的威力如何？在瞻望透顶没见过的任务成就时，这套表面能以 87% 的准确率告诉你：关于现时的任务和模子，到底该用单打独斗，照旧团队结合，亦或是某种特定的组队神情。
这标记着智能体系统想象阐述告别了「真金不怕火金术」期间，参预了可狡计、可瞻望的「化学」期间。
更多确定请打听原论文。