Towards a science of scaling agent systems: When and why agent systems work
4 months ago
- #Multi-Agent Systems
- #Scaling Principles
- #AI Agents
- 多智能体协同可提升并行任务性能，但会降低串行任务表现
- 代理任务需要持续的多步交互、迭代信息收集和适应性策略优化
- 评估了五种典型架构：单智能体(SAS)、独立型、集中式、分布式和混合型
- 在金融推理等并行任务中，集中式协同使性能提升80.9%
- 多智能体架构使规划类串行任务性能下降39-70%
- 独立多智能体系统将错误放大17.2倍，集中式系统仅放大4.4倍
- 开发的预测模型可为87%未见任务识别最优架构
- 该模型通过工具数量、可分解性等任务特征预测最佳协同策略