一分钟读论文：《归一化计算下单Agent为何优于多Agent》

斯坦福大学的论文《Single-Agent LLMs Outperform Multi-Agent Systems on Multi-Hop Reasoning Tasks》对当前火热的多Agent系统提出了一个尖锐挑战：当计算量归一化后，单Agent系统（SAS）的表现可以匹敌甚至超越多Agent系统（MAS）。论文作者Hoang Tran和Douwe Kiela用信息论的严格论证揭示了多Agent范式的理论局限。这一发现对多Agent范式构成了基础性的质疑。

多Agent范式的计算混淆

近年多Agent系统（MAS）被广泛报道在推理任务上表现出色。但论文指出这些结果往往存在一个关键混淆因素：测试时计算量的大幅增加。MAS通过多个Agent协作自然增加了token数量，这使得公平对比变得困难。

论文的核心论证基于数据处理不等式（Data Processing Inequality, DPI）。该不等式是信息论的基础结果之一，表明在链式处理中，每个Agent的输出是输入的函数，链式处理不增加互信息 I(X;Z) ≤ I(X;Y)。多Agent系统的信息流可以视为链式处理，理论上不应超越同等计算量的单Agent。

这一论证直接挑战了多Agent范式的理论基础。如果多Agent系统的所有输出都依赖于单轮的初始输入，那么无论中间经过多少Agent的处理，其信息获取的上限永远不会超过初始输入所包含的信息量。

实验发现与理论边界

论文在多跳推理任务上进行了系统性对比。实验设计的关键在于严格控制计算量——将MAS的总token数与SAS限制在相同的预算范围内。实验结果表明：

• 计算量归一化后，单Agent系统匹敌多Agent系统的表现
• 在某些任务上，单Agent甚至优于多Agent
• 多Agent的”优势”主要源于token数量的增加，而非架构本身的增益

这一发现对AI工程实践有直接指导意义。当前大量研究和产品投入多Agent框架，但如果核心目标是推理能力而非功能组合，单Agent架构在同等资源下往往更具性价比。

对工程实践的启示

论文对工程实践提供了三条核心启示。第一，不要盲目追求多Agent架构，在计算量预算固定时单Agent可能更高效。第二，上下文窗口的扩展是更直接的性能提升路径。第三，多Agent的价值应聚焦于功能模块化，而非推理增强。

这一结论的理论贡献在于首次用信息论方法系统分析了单Agent与多Agent的理论边界。论文揭示了当前比较评估方法中的系统性偏差——将token数量差异误认为架构增益。对研究社区而言，这一论证提醒我们在评估AI系统架构时，需要更加关注归一化后的公平对比。

References

• 斯坦福大学 Single-Agent LLMs Outperform Multi-Agent Systems 论文