Chunlin 的论文科普

多智能体系统真的越强越好吗？——从「认知细胞」看集体智能的反直觉规律

LLM 与智能体

你可能听过「三个臭皮匠顶个诸葛亮」，但在AI世界里，把三个大模型凑一起辩论、投票、写共享黑板，真的就能比单个模型更聪明吗？最新研究给出的答案，可能和你想的正好相反。

一个反直觉的实验：为什么「聪明模型组队反而更差」

先给你讲一个有点反常识的发现：在一组实验里，能力更强的30亿参数模型，组队投票的效果反而不如能力更弱的15亿参数模型 [1]。

这听起来像公司里的团队现象——一个全是顶尖学霸的团队，想法高度一致，反而凑不出新视角；而一群水平普通但思路各异的人，七嘴八舌反而能碰出正确答案。

当然，实际情况比这个比喻更复杂。这里的关键不是模型「聪不聪明」，而是另一个隐藏的变量：它们犯的错是不是一样的。如果十个模型都在同一道题上栽跟头，那投票十次也没用；但如果它们错在不同的地方，多数票反而能把正确答案筛出来。

问题来了：为什么以前我们总觉得多智能体一定更强？那些「辩论提升准确率」「共享黑板解决复杂问题」的说法又是怎么来的？

把「集体智能」变成可测量的物理问题：认知细胞框架

为了回答这个问题，一篇最新论文提出了一个叫**认知细胞（cognitive cell）**的研究框架，核心思路是：别再每次都换模型、调prompt、改角色设定了，我们把基本单元固定住，只改变群体的组织方式，看看集体智能到底怎么来的 [1]。

什么是认知细胞？简单说就是一个「冻结」的小语言模型——参数不动、prompt不动、接口不动，像一个物理实验里的标准粒子。研究者给每个细胞测了6个可量化的参数，组成一张「数据表」：

这个方法叫固定细胞原则（fixed-cell principle）：细胞本身全程不变，只调整四个东西——群体大小、通信拓扑、消息带宽、协调协议。这样一来，集体表现的变化就真的是「组织方式」带来的，而不是因为你偷偷换了个更强的模型 [1]。

你可能会问：为什么要用小模型？因为大模型太复杂了，像一个黑箱，你分不清增益到底来自模型本身的能力还是群体交互。用小的、可控的单元，就像物理学家先研究原子再研究分子——从最简单的组合规律入手。

投票为什么有用、为什么没用：错误相关性才是隐藏变量

有了这个框架，第一个被搞清楚的规律就是：投票的增益几乎完全由**错误相关性（error correlation）**决定 [1]。

这个结论其实有个经典的理论原型——孔多塞陪审团定理（Condorcet’s jury theorem）：如果每个陪审员独立判断、正确率高于50%，那么人越多，多数票正确的概率越高。但现实里没有完全独立的判断，大家总会犯类似的错。

认知细胞的研究把这个定理推广到了带相关性的情况：有效群体大小 Neff = N / [1+(N-1)ρ]。翻译成人话就是：如果错误相关性ρ是0.5，那10个细胞的投票效果只相当于约2个独立细胞；如果ρ升到0.9，10个细胞的有效数量还不到2个——基本等于白加 [1]。

这就解释了开头那个反直觉的现象：3B模型虽然单体能力更强（p=0.43 vs 0.37），但它的输出多样性骤降（D从1.27 bits降到0.38 bits），错误相关性飙升（ρ从0.58升到0.92）。按公式算，它的投票饱和点只有约1.1个有效细胞——加第二个模型几乎没增益 [1]。

更有意思的是一个反常识的发现：当温度调到1.3，单个模型答对率只有47%（低于50%的及格线），按经典投票理论人越多应该越错。但实际投票后准确率反而升到了63%。为什么？因为错误答案五花八门，正确答案反而成了最多的那一个 [1]。

另一项跨尺度研究也验证了这个规律：在8B到120B的多种模型上，投票聚合都是最稳健的默认选择，不会像其他协议那样引入系统性失败 [7]。

辩论还不如投票？交互协议的成本幻觉

那更复杂的协议呢？比如让模型互相辩论、写共享黑板、轮流修改答案——这些听起来更「智能」的方法，效果怎么样？

认知细胞的实验给出了一个有点扎心的结论：在匹配总计算成本的前提下，辩论、共享黑板、链式修订三种流行协议，都没赢过简单投票，准确率差约−0.02；如果把同样的预算花在更多独立投票上，三种协议反而差约−0.09 [1]。

什么叫「匹配成本」？就是你别让辩论用10000个token，投票只用1000个，这不公平。要比就比花同样多的计算资源，哪种方式得到的答案更准。结果是：花同样的钱，多投几次票比让模型吵架更划算 [1]。

这听起来反直觉，但仔细想想也合理——辩论过程中，模型可能会被错误的论证说服，把原本答对的答案改错了。这种「越辩越错」的现象在另一项跨尺度研究中也被观察到：基线辩论协议经常不稳定，尤其在算术任务和需要审慎验证的场景下 [7]。

当然，这个结论有它的边界。认知细胞的实验用的是小模型、封闭答案任务，而且协议实现都比较简单。在有外部可执行反馈的任务（比如写代码跑测试）里，辩论或串行验证可能反而更有用 [7]。但它至少戳破了一个流行的幻觉：不是交互越多、协议越复杂，系统就越聪明。很多时候，复杂只是贵，不是好。

什么时候多智能体真的有用：从封闭任务到开放世界

读到这里你可能会问：那多智能体系统是不是都是噱头？当然不是。关键在于：你的任务是什么类型？

在有标准答案、答案离散的封闭任务里（比如算术、多选），投票是王者，复杂协议没啥用。但在另一些任务里，多智能体的价值就显现出来了。

比如跨学科文化推理。一张艺术品的图片，你要解读它的文化象征意义——这里面视觉感知、知识库检索、网络搜索三个信息源经常打架。测试集里54%左右的题目，不同来源的答案不一致，简单投票解决不了，得靠「谁更有根据听谁的」加权机制。CM2框架就是干这个的：把人类审美认知的五个阶段拆成五个模块，各司其职再融合，弱模型用了之后准确率直接翻倍（从23.5%到50.7%），强模型也有显著提升 [2]。

再比如长周期动态决策。像电商经营这种任务，要连续做365天的决策：进货、谈判、定价、处理退货、管理现金流。这不是一道题有标准答案，而是一个持续演化的环境，你得从经验里学习、平衡短期收益和长期风险。E-Commerce Bench的测试显示，连最强的模型都有明显短板——最会赚钱的GPT-5.6 Sol，防欺诈能力排倒数第三；18个模型里有16个都不会从重复采购中学习砍价 [5]。

这种任务里，多智能体的价值不在于「投票更准」，而在于分工和专业化：一个管采购谈判，一个管销售运营，一个管风险控制，各自专注一块，再协同起来。这和人类社会的组织逻辑是一样的——你不会让三个会计投票决定产品设计，你需要不同专业的人干不同的事。

从「凑模型」到「设计社会」：多智能体研究的下一步

多智能体系统的研究正在经历一个转向：从「把几个模型凑在一起试试」，走向「像设计社会制度一样设计集体智能」。

有研究者提出，大语言模型的下一个 scaling 前沿，不是「更大的模型+更多的数据」，而是「结构化的模型社会」——性能不再只取决于参数和算力，而是团队构成、交互拓扑、制度记忆 [6]。这就像软件工程从「写小程序」到「建大系统」的跃迁：单体能力重要，但架构和组织方式更重要 [3]。

但这条路还很早期，有一堆没解决的问题。比如：

认知细胞框架的价值就在这里：它把「集体智能」从一个工程玄学，变成了可以测量、可以复现、可以预测的科学问题。就像当年化学从炼金术走向元素周期表——先搞清楚基本单元的性质，再研究它们怎么组合。

如果你只记住一件事

多智能体系统不是「韩信点兵，多多益善」，集体增益的关键从来不是模型数量，也不是协议有多复杂，而是错误的相关性和任务的类型。

参考文献

  1. Cognitive Cells: A Compositional Framework for Populations of Small Language Models（arXiv、2026、全文精读）
  2. CM2: Multimodal Cultural Reasoning via an Integrated Multi-Agent Framework（arXiv、2026、全文精读）
  3. Agents in the Large: Perception-Centered Architecture for Persistent Agents（arXiv、2026、全文精读）
  4. A Comprehensive Survey on Multi-Agent Cooperative Decision-Making: Scenarios, Approaches, Challenges and Perspectives（arXiv、2026、全文精读）
  5. E-Commerce Bench: Evaluating LLM Agents on Long-Horizon Autonomous Business Operation（arXiv、2026、全文精读）
  6. Multi-Agent LLM Systems: From Emergent Collaboration to Structured Collective Intelligence（Preprints.org、2025、仅摘要）
  7. Stability Regimes in Multi-Agent Large Language Model Coordination: A Cross-Scale Empirical Benchmark（Open MIND、2026、仅摘要）
  8. Do Agent Societies Develop Intellectual Elites? The Hidden Power Laws of Collective Cognition in LLM Multi-Agent Systems（arXiv、2026、仅摘要）