普林斯顿研究：专业化AI代理优于单一模型

普林斯顿大学的新研究表明，一个组织良好的专业化AI代理团队可以超越单一的大型模型。研究人员结合了由不同开发者独立创建的狭窄专业化代理，他们的系统在软件工程和推理任务的复杂基准测试中达到了约70%的准确率。

在争夺最佳AI代理的背景下，这具有重要意义：OpenAI、Anthropic和Google DeepMind正在积极竞争性能。协调优于规模的结论可能会改变这场竞赛的规则。

核心概念是“代理市场”。作者提出了一个与医院的类比：与其让一名全科医生处理所有事情，不如有心脏病专家、放射科医生和外科医生，各自专注于特定任务。在普林斯顿系统中，子代理针对特定领域进行定制，分别开发，然后共同解决复杂问题。原则很简单：专业化加组合优于大规模的泛化。

关键数据是在SWE-bench上获得的，这是一个测试AI处理软件工程任务能力的框架。约70%的准确率意味着系统成功解决了大约十分之七的复杂任务。

该方法依赖于两个熟悉的概念：集成学习，其中多个模型的集体判断比任何单一模型更强，以及微服务架构，其中大型应用程序被分解为小的独立服务，每个服务都能很好地完成一件事情。普林斯顿将这些原则应用于语言模型上的自主代理。这项工作建立在普林斯顿早期项目SWE-agent的基础上，该项目允许语言模型在软件工程中充当代理；新研究将其从单一代理扩展到协调团队。

最直接的启示是架构上的。如果专业化和组合确实优于通用代理，开发者面临的问题就会改变：不是“如何让模型更大”，而是“如何组合合适的部分”。新的设计挑战随之而来：哪些代理被调用，它们如何共享上下文，它们的结果如何组合。