【发生了什么】OpenAI研究员、o1核心作者Noam Brown在播客中披露,OpenAI用10000个AI Agent耗时88小时、消耗1300亿token解出一道千禧年数学难题;但他明确表示多智能体最多只占10%功劳,核心仍是通用模型本身足够强。他还透露,在Ultra Mode下4个Agent可将解题速度提升一倍,16个Agent效率略降但性能继续提升。
【为什么值得关注】Noam Brown指出,多智能体本质是把推理时计算从串行扩展转为并行扩展,数学和Deep Research类任务适合并行,写小说则很难。他同时警告,模型越强,能考住它的可验证难题越少,RL训练可能面临课程枯竭,这是LLM不会简单重走AlphaGo自我对弈老路的关键原因。
【对我们的意义】若计划落地多智能体,应优先选择数学、检索、报告生成等可并行验证的任务,而非开放式创作;同时不要为“Agent数量”支付溢价,Noam Brown的10%判断说明收益主要来自底层模型能力。工程上应减少人工scaffold,给Agent开放互相发消息、写入对方上下文的原始通信能力,让协调结构自行涌现,而非预设固定层级。
──
💡 对你的工作:AI 可用于文物数字化、展览文案生成。
【原文】
查看原文 →