一篇新的arXiv论文探讨了多智能体大型语言模型(LLM)管道的经济学,引入了“协调税”和“异构红利”的概念。研究发现,尽管将任务路由到更便宜的模型可以降低成本,但模型间通信的开销和增加的token量通常会抵消这些节省。在对Claude Opus 5.5和Haiku 5.5在编码任务上的实验中,发现多智能体管道比单模型调用更慢、更昂贵、准确性更低。该研究表明,为特定任务选择最优模型,而不是将其分解给多个智能体,是一种更具成本效益的方法。 AI
影响 表明当前的多智能体LLM架构在许多任务上可能不如单个、选择得当的模型高效。
排序理由 学术论文,详细介绍了LLM管道的新概念和实验结果。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →