agent stacks

大语言模型策略：以广度而非深度实现更便宜、更有效的人工智能

作者认为，对于许多任务，特别是涉及大语言模型的任务，广度比深度是更有效、更便宜的策略。与其让单个模型提案变得更复杂或‘更深入地思考’，不如专注于生成大量多样化的候选者，然后进行高效筛选。这种被称为‘广度是廉价的维度’的方法，与优先考虑单一、深度推理的思维链的典型代理堆栈形成对比。虽然延迟和成本核算会带来阻力，但核心思想是，生成许多基于文本的替代方案在计算上成本不高，而执行操作或工具调用应保持单线程、审慎的步骤。