@rohanpaul_ai: 斯坦福新论文指出，在同等推理预算下，单个LLM通常比多个……更好地解决多跳问题

斯坦福大学新论文指出，在相等的推理预算下，单个大语言模型解决多跳推理问题的效果通常优于多个协调模型。

核心观点几乎简单得令人尴尬。

单个智能体将整个问题保留在一个内部思维链中，而多智能体系统则必须将该链切分成消息、摘要和交接。

每一次交接都是一次压缩步骤。

而一旦推理过程被压缩，某些信息就比恢复更容易丢失——这就是为什么这篇论文以数据处理不等式作为形式化解释，而非仅仅依赖经验直觉。

实验在Qwen、DeepSeek和Gemini模型上，基于FRAMES和MuSiQue数据集验证了这一结论：当推理令牌预算相同时，单智能体系统通常能匹配或超越顺序式、辩论式、角色式及集成式多智能体架构。

这是大多数人忽略的部分。

许多被赞誉的多智能体优势可能根本不是架构优势。它们往往源于花费更多的测试时计算量、展现更多可见推理过程，或利用评估中的漏洞让流水线显得更智能。

论文在处理边界情况时尤为犀利，而非试图假装该规则放之四海而皆准。

当单智能体的有效上下文因遮蔽、替换或误导性干扰而退化时，多智能体流水线会变得更具竞争力，有时甚至胜出——并非因为消息传递具有魔力，而是因为结构化能在一定程度上稳定受损的推理。

这比“更多智能体更好“的论断要狭窄且有用得多。

它表明真正的权衡不在于单智能体与多智能体，而在于潜在推理与外部协调，具体哪一方表现更优取决于上下文质量和计算资源。

对于多跳推理，默认选择现在应明确：从一个强模型开始，将额外智能体视为修复策略，而非升级方案。

论文链接 – arxiv.org/abs/2604.02460

论文标题：“Single-Agent LLMs Outperform Multi-Agent Systems on Multi-Hop Reasoning Under Equal Thinking Token Budgets”