百万 AI 智能体能否创造超级智能：实证表明多智能体面临严重收益递减

实证基准分析显示，海量并行 AI 智能体虽能有效提升问题处理速度，但在提升核心解题智能与实现概念突破上面临严重的对数甚至次对数收益递减。现有实验中的多智能体能力增长远低于递归自我改进理论模型的假设，单纯增加智能体数量无法消除思维同质性与任务内在的时序依赖。作者建议系统追踪智能扩展增益、速度与成本权衡以及性能饱和点三项指标，以此评估并行智能体推动技术突破的实际潜力。