单智能体还是多智能体更好？金融审查任务下的 LLM 设置对比研究

该研究在金融信贷审查任务中受控对比了单智能体与多智能体设置，发现将要求拆分给三智能体团队仅使平衡准确率变动 0.02 以内，且消耗 2.2 至 2.4 倍 token。多智能体团队虽能多识别 0.08 至 0.10 附带解释的缺陷，但在所有测试模型上均引发了更多误报。探索性对比显示，对单智能体进行 3 次重复采样的平衡准确率高于多智能体团队。