【新智元导读】你有没有想过，或许未来某天，AI大军完全能够承担公司重任，人类是否会沦为配角？

　　几个月前，OpenAI曾被曝出，内部定义了五级AGI路线——组织者：可以完成组织工作的AI。

　　此前，一项研究表明，拥有30+AI智能体系统，在几乎任何任务中，都优于简单的LLM调用，同时还减少了幻觉，提高了准确性。

　　在探索改善AI在软件工程任务中的表现的方法时，Alex Sima突然有了灵感：

　　如果将AI智能体之间互动机构化，让其类似于科技巨头的「组织架构图」，会怎样？

　　接下来，Alex让AI接管了6大科技巨头——亚马逊、谷歌、微软、苹果、Meta、Oracle，看看它们如何协作。

　　以下是，Alex将AI智能体，组织成类似苹果、微软、谷歌等公司结构后，得到的一些关键要点：

　　- 有多个「竞争」团队（即竞争生产最佳最终产品）的公司，如微软、苹果，表现优于集中化的层级结构。

　　- 具有单点故障（比如一个领导者做出重要决策）的系统，如谷歌、亚马逊和Oracle，表现不佳。

　　之前通过简单增加AI智能体数量，来提升性能的方法，比如SWE-bench，并未取得显著的成效。

　　三周前，Alex偶然看到了James Huckle关于「康威定律」的一篇文章——软件和产品架构注定会反映创造它的组织结构。

　　James展示了一幅插图，揭示了亚马逊、谷歌、Facebook、微软、苹果和Oracle的戏剧化组织结构，并提出了一个想法：

　　作者将AI智能体组织成不同的公司结构，在SWE-bench-lite的13个实例「mini」子集上，评估了六种不同的组织结构。

　　为了复制这一结构，Alex使用了大量执行代码库搜索的智能体，和一个最终执行代码库更新的单一智能体。

　　Alex通过在单一层内聚合复制所有智能体结果，并将其传递给下一层的智能体。

　　本质上，Alex重新调整了亚马逊的结构（减少智能体数量），并使用向量相似性投票方法，从三次单独运行中选择「最佳」解决方案（每次运行对层级结构略有调整）。

　　Alex使用了与微软相同的「最佳解决方案」方法，但进行了更多没有智能体层级的运行（每次运行有不同的转换）。

　　Alex将法律团队解释为，搜索代码库和检索关键上下文的智能体，而工程团队由实际编写代码的智能体组成。

　　两个团队的结构类似于亚马逊，顶层有一个单一智能体协调「法律」和「工程」之间的信息传递。

　　表现最佳的两个（微软和苹果）都有多个团队在竞争解决问题，而其他公司似乎只有一个巨大的团队生成单一patch。

　　提到单点故障，是指是那些有高层管理者/智能体可以完全改变运行结果的公司（如谷歌、亚马逊和甲骨文）。

　　在协调多个智能体之间的互动时，一个常见问题是某个智能体失败——导致可能出现一个智能体改变团队问题解决策略方向的情况。

　　另外，表现最好的两家公司，微软和苹果，恰好是世界上市值最大的两家科技公司。

　　总的来说，似乎在一个像软件工程这样复杂的任务中，增加更多的智能体，或改变这些智能体的组织方式，只会带来边际性能的提高。

　　虽然论文More Agents Is All You Need 发现，准确率有相当大的提高（约20%），但在GSM8K（小学数学）测试中，30个智能体后性能明显趋于平缓。

　　研究还发现，过于复杂的任务（如SWE-bench中的任务）可能超出模型的推理能力，导致性能增益递减。

　　坐着在SIMA中同样验证了这一发现，最多只比基础架构提高了2-3%（使用40多个智能体）。

　　作者认为，若想在基准测试上取得更大进步，需要改变智能体的实际逻辑推理能力，或者它们可以采用（或被给予）的解决软件问题的策略和方法。

　　这可以通过更强大的基础模型（GPT-5）或给予智能体更广泛的工具来实现。

　　归根结底，如果你不雇用更聪明的员工，或给他们更好的资源，无论你如何组织他们或有多少人，他们的产出都不会提高。

　　仅在这个mini子集中的差异就足够显著，值得关注（从谷歌到苹果提高了约50%）。

　　基础模型/工具可能是智能体软件工程的限制因素，但随着基础模型的改进，探索智能体通信结构（无论是否在公司组织中）绝对应该被测试。

　　正如James Huckle所说，这个概念可能成为AI智能体设计中的「关键超参数」，不同的组织结构可能更适合不同的任务。

　　本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问。