NVIDIA 论文揭示多智能体模型池选择规律：单模型多副本优于多异构模型混合

NVIDIA 研究团队在 arXiv 发布关于多智能体系统模型池构建策略的论文，通过量化实验探讨了异构模型组合与同构模型副本的真实表现差异，为多智能体架构设计提供了实验依据。

• 实验设置与策略：研究在任务路由、多数投票和 LLM 评判三种架构下，针对硬科学基准测试评估了基于模型尺寸、准确率、答案多样性及错误多样性等 8 种候选模型选择策略。
• 异构混合的局限：结果显示混用不同开源模型虽然在理论上能扩大潜在解空间，但在实际运行中整体表现往往低于模型池中表现最佳的单一模型。
• 同构副本优势：使用同一高表现模型的多个副本或从单一模型家族中选择候选模型反而表现更优；在多数投票配置下，单模型多副本将 HLE 基准准确率从 29.4% 提升至 32.2%，而多数混合模型组合准确率均出现下滑。
• 影响/看点：该结论表明构建多智能体系统时不宜盲目追求异构模型的多样性，开发者在引入新模型时需明确测量其边际增益与系统调度成本。
• 资料依据:
• arXiv 论文（2026-09-16）：https://arxiv.org/abs/2609.17306
• X：Elvis Saravia（2026-09-16）：https://x.com/omarsar0/status/2100235516918849661

本内容由 AI 生成，仅供参考，请注意甄别