实证研究显示海量并行AI智能体面临收益递减

2026年10月，一项针对多智能体系统的实证基准分析探讨了海量AI智能体创造超级智能的可行性。分析表明，海量并行AI智能体虽然能有效提升问题处理速度，但在提升核心解题智能和实现概念突破上面临严重的对数甚至次对数收益递减。研究指出，现有实验中多智能体的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，以客观评估并行智能体推动技术突破的实际潜力。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。