单智能体在多跳推理中优于多智能体系统：固定 Token 预算下的信息论论证

评分 8.35 · 来源：arXiv cs.CL · 发布于 2026-04-06

评分依据：反直觉结论挑战多智能体主流趋势，信息论角度（数据处理不等式）给出理论解释，对 Agent 架构决策有直接指导意义

要点

这项研究提出了一个反直觉的结论：在固定的推理 Token 预算下，单智能体系统（SAS）在多跳推理任务中的表现优于多智能体系统（MAS）。作者从信息论角度给出了解释——基于数据处理不等式，在完美利用上下文的前提下，单智能体系统具有更高的信息效率。

此前大量报告多智能体系统优越性的研究，实际上被增加的测试时计算量所混淆。当计算量归一化后，多智能体系统的优势显著缩水甚至消失。这意味着当前多智能体研究的很多「性能提升」可能只是更多计算的结果，而非架构本身的创新。

🤖 AI 点评

这篇论文戳中了当前 Agent 社区的一个软肋：堆 Agent ≠ 更好结果。当你在设计 Agent 架构时，先问自己「多加的 Agent 是带来了真正的协同，还是只是在烧更多 Token？」对预算敏感的生产环境尤其值得参考。