同等思考預算下，單一 Agent LLM 在多跳推理中優於多 Agent 系統

Single-Agent LLMs Outperform Multi-Agent Systems on Multi-Hop Reasoning Under Equal Thinking Token Budgets

arXiv cs.CL · 2026-04-06

摘要

研究指出，當計算資源被嚴格限制時，單一 Agent 系統在資訊效率上往往能匹敵甚至超越多 Agent 系統，這挑戰了當前多 Agent 架構的優勢假設。透過對 Qwen3、DeepSeek 和 Gemini 等模型的實證分析，研究證實多 Agent 的優勢通常來自於額外的計算投入，而非架構本身的必然結果。這為開發者重新評估複雜系統設計提供了重要的理論依據與實證數據。

●開發者：在設計推理系統時應優先考量計算效率，避免過度依賴多 Agent 架構

●投資人：關注能提升單模型推理效率的技術方向

●一般用戶：未來 AI 產品可能在保持效能的同時降低運算成本

重要性評分

78/100

🟠 值得關注

多跳推理單一 Agent多 Agent 系統資訊效率計算預算

原文出處

上一則← 利用 LLM-as-a-Judge/Jury 推進精神病患者模型回應之臨床驗證安全評估下一則SIEVE：樣本高效自然語言參數化學習新方法 →

喜歡這篇？每天早晨還有更多。

訂閱 5min AI，讓 AI 替你追蹤整個 AI 世界。