主播
节目简介
来源：小宇宙
苹果、斯坦福与埃默里大学的研究团队在 ICML 2026 发表的论文《Multi-Agent Teams Hold Experts Back》对当前大热的"多智能体系统"提出了严肃挑战。
研究的核心问题是：当多个大语言模型以自组织方式自由讨论、投票决策时，能否实现组织心理学中的"强协同"——即团队表现超越团队中最强个体的水平？
答案是否定的。在 NASA 月球生存挑战、MMLU Pro、GPQA Diamond、MATH-500 等一系列任务上，多智能体团队的表现始终低于团队中最强专家单独作答的水平，"相对协同差距"高达 6.3% 至 41.1%。即便在提示词中明确标注团队内谁是特定领域的专家，团队依然无法有效利用其专业知识。
通过引入组织心理学框架对 AI 对话进行逐句分析，研究者发现症结在于"整合妥协"：非专家智能体倾向于将专家意见与自身观点强行折中，而非认知服从；专家智能体则表现出认知妥协，在群体压力下放弃坚持正确判断。这种"和稀泥"行为与性能下降高度正相关，且团队规模越大，稀释效应越显著。
有趣的是，同一机制却赋予团队对抗恶意攻击的鲁棒性——当混入故意给出极端错误答案的破坏者时，平均化机制反而有效稀释了极端意见。
研究者指出，这一现象的深层根源可能在于当前大模型的对齐训练（RLHF）过度强调礼貌、和谐与回避冲突，导致模型在多智能体场景下将建立共识置于坚持真理之上。这暗示现有的 AI 对齐目标在协作场景中可能存在结构性缺陷。
研究结论具有明确的实践指向：在高专业门槛领域（如医疗、法律、金融），盲目部署自由讨论式的多智能体系统不仅浪费算力，其产出甚至不如直接咨询最强单一模型。在 AI 学会"因地制宜地服从专家"之前，多智能体系统仍然需要人类的强干预与预设工作流。
论文链接：https://machinelearning.apple.com/research/multi-agent-teams-experts
研究的核心问题是：当多个大语言模型以自组织方式自由讨论、投票决策时，能否实现组织心理学中的"强协同"——即团队表现超越团队中最强个体的水平？
答案是否定的。在 NASA 月球生存挑战、MMLU Pro、GPQA Diamond、MATH-500 等一系列任务上，多智能体团队的表现始终低于团队中最强专家单独作答的水平，"相对协同差距"高达 6.3% 至 41.1%。即便在提示词中明确标注团队内谁是特定领域的专家，团队依然无法有效利用其专业知识。
通过引入组织心理学框架对 AI 对话进行逐句分析，研究者发现症结在于"整合妥协"：非专家智能体倾向于将专家意见与自身观点强行折中，而非认知服从；专家智能体则表现出认知妥协，在群体压力下放弃坚持正确判断。这种"和稀泥"行为与性能下降高度正相关，且团队规模越大，稀释效应越显著。
有趣的是，同一机制却赋予团队对抗恶意攻击的鲁棒性——当混入故意给出极端错误答案的破坏者时，平均化机制反而有效稀释了极端意见。
研究者指出，这一现象的深层根源可能在于当前大模型的对齐训练（RLHF）过度强调礼貌、和谐与回避冲突，导致模型在多智能体场景下将建立共识置于坚持真理之上。这暗示现有的 AI 对齐目标在协作场景中可能存在结构性缺陷。
研究结论具有明确的实践指向：在高专业门槛领域（如医疗、法律、金融），盲目部署自由讨论式的多智能体系统不仅浪费算力，其产出甚至不如直接咨询最强单一模型。在 AI 学会"因地制宜地服从专家"之前，多智能体系统仍然需要人类的强干预与预设工作流。
论文链接：https://machinelearning.apple.com/research/multi-agent-teams-experts
外观
