LLM 代理无角色自组织 +14% 质量

LLM智能体自组织：摒弃角色分工，效率提升14%

一项实验表明，无需固定角色与层级的LLM智能体系统，在质量指标Q上比传统基于协调员的方法高出14%（p < 0.001）。该实验覆盖25,000项任务，涉及8个模型和最多256个智能体，结果显示智能体可自主确定专长、拒绝不必要任务，并在规模扩大时保持性能不降。其中，顺序协议——即智能体依次工作并访问前序结果——表现最佳。

实验规模与方法论

实验涵盖超过25,000项任务，分为四个复杂度级别：从API验证（L1）到对抗性场景如CEO vs 法务 vs CFO（L4）。测试了八个模型——Claude、GPT-5.4、GPT-4o、GPT-4.1-mini、DeepSeek v3.2、GLM-5、Gemini-3-flash、GigaChat 2 Max。智能体数量从4到256不等，总token消耗超过10亿。

解决方案质量由评判模型根据五个标准评估：准确性、完整性、连贯性、适用性和任务对齐度。Q指标范围从0.25到1.0。

比较了八种协调协议，包括四种受生物启发的协议。重点在于水平协调：一组智能体如何在没有垂直强化个体实例的情况下形成统一系统。

协调协议及其有效性

在相同模型、任务和智能体数量下测试了四种关键协议：

• 协调员协议：中央Agent-0分配角色；其他智能体并行执行。
• 顺序协议：智能体依次工作，每个分析前序智能体的具体结果并决定角色与参与。
• 广播协议：智能体宣布意图，然后根据他人宣布调整。
• 共享协议：完全独立，共享内存。

GPT-4.1-mini上的结果（N=8）：

| 协议 | 质量 Q |

|------------|--------|

| 顺序协议 | 0.724 |

| 协调员协议 | 0.640 |

| 广播协议 | 0.510 |

| 共享协议 | 0.503 |

最佳与最差协议相差44%（Cohen’s d = 1.86）。在Claude上针对复杂任务，N=16时，顺序协议达到Q=0.875，协调员协议为0.767（+14%，p < 0.001）。

顺序协议胜出，因为它能访问实际完成的结果，而非意图或一般历史记录。

角色与专长动态

八个智能体在数百项任务中生成5006个独特角色，其中54%仅使用一次。64个智能体时——5010个角色（差异0.1%）。智能体根据每项任务的上下文调整功能，忽略固定配置文件。

在顺序协议中，角色动态变化，形成分布式网络。在协调员协议中，所有连接都通过Agent-0——一个单点故障。

自我移除与资源优化

顺序协议中的智能体自愿拒绝任务：“所有关键点已覆盖，我不会增加价值。”在60个非活跃智能体中，38个是自我移除。这使Q提升至0.875，而强制参与时为0.767。

Claude显示8.6%的有意识拒绝——一个最优水平。系统自身确定所需参与者数量，最小化token消耗。

规模扩大时：

| 智能体数 | Q | Token数 |

|----------|--------|---------|

| 8 | 0.954 | 3164 |

| 64 | 0.949 | 3537 |

| 256 | 0.967 | — |

N增加8倍时，成本上升11.8%，约45%的智能体自我移除。

模型比较与成本

在复杂任务上：

• Claude Sonnet 4.6：Q=0.875，成本高。
• DeepSeek v3.2：Q=0.829（约Claude的95%），成本约1/24。
• GLM-5：Q=0.800，成本约1/20。

DeepSeek在对抗性任务上优于Claude（+6.0%），任务对齐度为4.00/4.00。

趋势：强模型（Claude、DeepSeek）受益于自主性（+3.5–10.6%）。关键特性：

• 推理能力——链式思维能力。
• 自我反思——能力评估。
• 指令遵循——协议遵守。
• 结构化输出——稳定格式。

对任务复杂度的适应

Q从L1到L4下降37.7%，但层级自发加深（1.22 → 1.56）。智能体无需指令即可自行构建结构。

关键要点

• 顺序协议因访问前序实际结果，使Q提升14%。
• 智能体生成数千个独特角色，根据上下文适应，无固定配置文件。
• 自愿自我移除优化资源：N=256时，45%的智能体不参与。
• DeepSeek v3.2以1/24的成本达到Claude质量的95%。
• 自主性对具备高级推理和自我反思能力的强模型有效。

— Editorial Team