★ 3
研究：小模型智能体团队扩展收益高度依赖任务类型
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…
arXiv cs.AI33 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
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…
Meta 工程团队发布博客，介绍通过减少路由器职责、采用薄编排器架构来提升 AI 智能体可靠性的实践。该方案将路由逻辑简化，把更多决策交给智能体自身，从而降低复杂编排带来的失败率。文章属于工程经验分享，对构建多智能体系统的团队有参考价值。