研究：小模型智能体团队扩展收益高度依赖任务类型
原文标题：An Exact Generate - Transform Decomposition of Small-LLM Team Scaling Across Orchestration Architectures
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文在五种7-9B指令微调模型、五个短答案基准及代码基准上扫描八种智能体编排架构，发现团队扩展收益高度依赖任务：算术题从3次到30次调用准确率最多提升17点，而ARC、GPQA、MMLU最多仅4点。作者提出精确的生成-变换分解，将准确率变化拆为覆盖红利与变换变化，指出团队扩展是任务与架构特定的赌注而非通用杠杆。
- 问题
- 多智能体团队扩展是否普遍提升准确率、该选哪种编排架构。
- 方法
- 扫描八种编排架构、五个7-9B模型、五个短答案基准与代码基准，最多30次调用，并提出生成-变换分解。
- 结果
- 算术题3到30次调用最多提升17点，ARC、GPQA、MMLU最多仅4点；Proposer-Critic在最大预算下总体最优。
- 影响
- 团队扩展是任务与架构特定的赌注，不能当作通用杠杆，需按任务判断是否值得加智能体。
深读 · 结论先行AI 生成展开看要点与影响 ↓
扫描8种编排架构发现：小模型团队从3次扩到30次调用，算术题最多涨17点，ARC/GPQA/MMLU最多仅4点。
- •实验覆盖五种7-9B指令微调模型、五个短答案基准与一个可执行代码基准，最多30次调用
- •算术应用题GSM8K、GSMHard从3次到30次调用准确率最多提升17点，ARC、GPQA、MMLU最多仅4点
- •Proposer-Critic架构在算术上增益最陡、最大预算下总体超越其他架构，但在其他任务上排名靠后，无架构通吃
- •作者提出生成-变换分解，把准确率变化拆为覆盖红利与变换变化，解释各任务差异
为什么重要：团队扩展不是通用杠杆，选架构前需先判断任务是否有覆盖空间，否则算力投入可能几乎无回报。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。