單一代理公平勝過多代理群集

🔑 增強重點摘要

• •研究指出多代理系統（Multi-Agent Systems）在處理複雜任務時，往往因為代理間的溝通協議（Communication Protocols）與狀態同步產生顯著的延遲與計算冗餘。
• •該研究強調了『推理路徑長度』（Reasoning Path Length）與模型效能之間的權衡，指出過長的互動鏈條可能導致模型在多跳推理（Multi-hop Reasoning）中出現錯誤累積。
• •史丹佛團隊建議開發者應優先優化單一代理的提示工程（Prompt Engineering）與上下文管理，而非盲目增加代理數量以解決複雜問題。

🛠️ 技術深入

• •研究採用了受控實驗設計，將總權杖預算（Total Token Budget）作為變數，確保單一代理與多代理架構在相同的計算資源限制下進行比較。
• •實驗評估指標涵蓋了多跳推理任務的準確率（Accuracy）、推理時間（Latency）以及單位任務的平均權杖消耗量。
• •分析顯示多代理架構在協調（Coordination）與任務分配（Task Decomposition）階段會消耗大量預算，導致實際執行核心推理任務的權杖配額被稀釋。

🔮 前景展望AI analysis grounded in cited sources