一百个 agent 怎么花？拆成十支小队，比一个大群和单兵海选都强
假设你手里有 100 个 agent 的预算，还有一个能给每次尝试打分的验证器。是让 100 个 agent 各干各的、最后挑最好的？还是让 100 个 agent 组成一个大团队？一篇新论文说都不对：拆成十支十人小队并行跑，最后留成绩最好的那一队。
论文叫《Test-Time Compute Scales Better with Parallel Agent Teams》，arXiv 2611.09798，作者是 Junlin Wang、Haozhe Chen、Ang Li、Rahul Chalamala、Zhuang Liu。按摘要的说法，他们用一个 27B 模型在 12 个长程任务上测试，覆盖 GPU 内核、形式化证明和漏洞利用开发。十人小队并行，在 12 个任务里有 10 个赢过单兵并行；在跑过百人大团队的 4 个任务上，全部赢过百人大团队。花同样的钱，这些小队在一半任务上打赢了一个前沿模型。
背后的解释最值得带走。单兵海选会很快到顶，因为每个单兵的平均水平太低。百人大团队平均分高，但它只是一次抽样，吃不到方差的红利，没有走运的那条长尾。很多支小队两头都占了：每队平均水平不差，抽样次数又够多，总有一队冲得高。道理跟创业一样，与其办一家巨型公司或者雇一千个零工，不如同时养几家小团队。
巧的是同一天，Anthropic 刚拿 1000 个 Fable 子 agent 造操作系统做宣传。这篇论文提醒你，蜂群怎么编队跟规模一样重要，一个中等体量的开源模型编排得好，在一部分任务上花同样的钱能打平前沿模型。前提条件很硬：得有能给每次尝试打分的验证器，内核和证明有，大多数办公室工作没有。文中数字来自摘要。论文里链接的代码仓库 github.com/modal-projects/parallel-agent-teams-scaling 目前打开是 404。
来源：https://arxiv.org/abs/2611.09798
← 返回所有文章
论文叫《Test-Time Compute Scales Better with Parallel Agent Teams》，arXiv 2611.09798，作者是 Junlin Wang、Haozhe Chen、Ang Li、Rahul Chalamala、Zhuang Liu。按摘要的说法，他们用一个 27B 模型在 12 个长程任务上测试，覆盖 GPU 内核、形式化证明和漏洞利用开发。十人小队并行，在 12 个任务里有 10 个赢过单兵并行；在跑过百人大团队的 4 个任务上，全部赢过百人大团队。花同样的钱，这些小队在一半任务上打赢了一个前沿模型。
背后的解释最值得带走。单兵海选会很快到顶，因为每个单兵的平均水平太低。百人大团队平均分高，但它只是一次抽样，吃不到方差的红利，没有走运的那条长尾。很多支小队两头都占了：每队平均水平不差，抽样次数又够多，总有一队冲得高。道理跟创业一样，与其办一家巨型公司或者雇一千个零工，不如同时养几家小团队。
巧的是同一天，Anthropic 刚拿 1000 个 Fable 子 agent 造操作系统做宣传。这篇论文提醒你，蜂群怎么编队跟规模一样重要，一个中等体量的开源模型编排得好，在一部分任务上花同样的钱能打平前沿模型。前提条件很硬：得有能给每次尝试打分的验证器，内核和证明有，大多数办公室工作没有。文中数字来自摘要。论文里链接的代码仓库 github.com/modal-projects/parallel-agent-teams-scaling 目前打开是 404。
来源：https://arxiv.org/abs/2611.09798
评论