杜克与普林斯顿发现小团队并行智能体更优
原标题：New Duke and Princeton paper finds that, at equal compute, many small agent teams in parallel beat b...
78AI 研判分
杜克大学与普林斯顿大学的新论文发现，在同等算力预算下，将智能体拆分为多个小型团队并行协作并保留最佳团队结果，效果优于单智能体 best-of-N 与单一大型团队。以 100 个智能体为例，10 个各含 10 个智能体的小团队并行运行并择优，胜过 100 个独立智能体与一个 100 智能体大团队。研究建议在具备验证器可评分时，采用多小组共享笔记、择优保留的组织方式。
报道正文
Rohan Paul (@rohanpaul_ai) · 2026-11-10 20
杜克大学和普林斯顿大学的一篇新论文发现，在同等算力下，多个小型智能体团队并行协作，效果优于单智能体的 best-of-N 方案，也优于一个大型团队。
在同样拥有 100 个 AI 智能体的预算下，将其分成 10 个各含 10 个智能体的小团队并行运行，并保留表现最好的团队的结果，这一方案优于 100 个单智能体，也优于一个 100 智能体的大团队。
在使用验证器时，团队方案通常会运行多个单智能体并保留最佳结果，但收益会很快趋于平缓。一个大型团队起初表现更好，但随着规模扩大便不再提升。
他们将智能体预算拆分为若干个 10 智能体团队，各团队共享一个论坛，然后保留最佳团队的结果。团队协作提升了每次尝试的平均水平，而多个团队又能提供多次尝试机会。
如果验证器能够为你的智能体工作成果打分，那就把预算拆分成若干共享笔记的小团队，并保留最佳团队的答案。
