Stanford论文：多人各用一个Agent争抢共享资源反而不如单一Agent统一调度

AI 导读

Stanford新论文发现，在共享预算或日历这类共享资源上，1个统一服务所有人的Agent表现优于每人各配1个Agent，结论跨5个前沿模型成立。实验中各Agent虽对自身用户合理，但合在一起会互相覆盖、随团队规模扩大而停滞，在2个环境中无通信时彻底崩溃；在有争议的token预算上，Opus 5团队只拿到可达价值的30%，而单一协调Agent拿到64%。

正文 · AI 翻译

斯坦福大学的一篇新论文发现，当每个人的智能体各自独立地操作共享资源时，整个群体的表现反而不如一个服务所有人的智能体。

在 5 个前沿模型上，共享预算或日程表由一个服务所有人的智能体来处理，效果都优于为每个用户各配一个智能体。

每个智能体为自己负责的用户都做得不错。

但合在一起时，它们会互相覆盖，随着团队规模扩大而陷入停滞，并且在两个环境中，由于没有沟通渠道，它们直接崩溃。

在有争议的 token 预算下，Opus 5 团队只获得了可实现价值的 30%，而一个负责协调的智能体则获得了 64%。

在群组点餐环境中，超过一半的 Claude 团队情节里，智能体都编造了关于其他用户的信息。

建议让一个智能体掌握所有人的约束条件；如果确实要为每个用户各配一个，就把「先读取同伴信息」作为提交操作的前置条件。