在 AI Agent 工程实践中，多智能体架构常被寄望于通过任务拆分提升复杂问题的解决能力。但一篇发布于 2026 年 9 月 15 日的 arXiv 论文提出了一个更基础的问题：当任务被层层分解给多个子智能体后，最终有多少信息能够真正回传至根节点？
该研究给出的答案并不乐观。在特定条件下，无论任务被拆成多少层、多少分支，最终可回传的发现数量可能保持恒定；而在基于生产环境数据的估算中，研究类任务的信息产出随规模增长呈现次线性特征——来源数量增加 4 倍，最终报告内容仅增加约 2.3 倍。
拆分改善的是执行条件，而非信息总量
业内通常为多智能体系统给出三条理由：上下文更小、关注点分离更清晰、任务可并行。Anthropic 曾公开其多智能体研究系统的数据：由 Opus 担任 lead、Sonnet 担任 worker，在广度优先的研究类查询上比单 Agent 的 Opus 胜出 90.2%；并行化最多可将复杂任务研究时间缩短 90%，但 token 用量约为单一聊天交互的 15 倍。其材料还提到，token 用量本身解释了 80% 的性能方差。
这些指标说明拆分对 Agent 运行有利，但论文进一步追问：拆分对“找到的东西”是否同样有利？以 deep research 场景为例，一个主 Agent 派出 8 个子 Agent 查资料，每个子 Agent 读取 50 个来源并提交摘要。理论上共有 400 个来源，但最终报告中能保留多少信息，取决于 Agent 在处理条目时的保留概率，而非架构本身。
论文引入一个简化假设：当 Agent 接收 b 个条目时，它将任意一个条目保留并上传的概率为 r(b)。如果 r(b)=1/b，则每个节点期望保留 1 个条目。在此条件下，无论树形结构如何变化，最终交付给根节点的发现数量恒定为 1。作者在 20,000 棵随机不规则树上验证，误差为 2.4×10⁻¹⁵，接近浮点精度极限。
这意味着，在该参数设定下，“拆分带来更多覆盖”和“层级造成信息漏损”恰好相互抵消。改变架构只是改变信息从哪条路径流失，并未改变总流失量。
生产数据测出的衰减指数：来源翻 4 倍，产出约 2.3 倍
论文进一步将保留概率推广为 r(b)=C·b^(-δ)，其中 δ 描述 Agent 面对更多条目时的信息衰减特征，C 则对应 Agent 面对单一条目时的保留概率。对于深度为 k、总覆盖 N 个发现的树形结构，最终产出可表示为 C^k · N^(1-δ)。
这个公式将影响因素分为两类：架构项 C^k 与任务项 N^(1-δ)。由于 C 不大于 1，每增加一层都会带来确定性损失；而 δ 更多由 Agent 与任务决定，调整架构图无法改变这一指数。
基于 600 条生产环境 deep-research 轨迹，作者使用三种互不共享失效模式的识别方法交叉估算，得到 δ=0.34，95% 置信区间为 [0.30, 0.38]。代入后得到 N^0.66 的产出关系：当叶子节点覆盖来源增加 4 倍时，最终内容只增加约 2.3 倍。若希望最终信息量翻倍，叶子节点工作量需提升至约 2.86 倍，接近 3 倍。
在 C 的测量上，作者选择“搜索工具返回 b 个编号结果，Agent 写一轮输出”这一环节，因为条目边界由工具返回结果客观划定。测得 C=0.571，95% 置信区间为 [0.527, 0.615]。也就是说，每增加一层，产出约乘以 0.571，两层后约剩 0.326，三层后约剩 0.186。
此外，论文还统计了子 Agent 理解偏差。在 1,012 条标注过的多智能体轨迹中，每 16 份 brief 有 1 份偏离目标，对应 μ=0.939。综合保留率与偏离率后，每层实际产出系数为 0.571×0.939=0.536。换言之，每增加一层，产出大约打 5.4 折；两层约剩 0.287，三层约剩 0.154。
分层的价值不在产出上限，而在根节点上下文与成本曲线
如果分层会确定性压缩信息产出，为何多智能体系统仍能表现出优势？论文给出的解释是：产出并非唯一目标。分层的另一个收益在于保护根节点上下文。
子 Agent 的上下文在任务结束后可以释放，但根节点上下文贯穿整个任务，且没有更上层可以压缩它。随着深度增加，根节点直接面对的条目数从 N 降至 N^(1/k)。在 N=1000 的情况下，单层需要面对 1000 个条目；两层约为 32；三层约为 10。
这与上下文衰减现象相关。一旦上下文进入较长区间，模型对中间内容的利用能力可能下降，而根节点上下文是唯一从任务开始持续积累到结束的部分。因此，“上下文更小”的真正价值并非保护子节点，而是保护最终负责汇总和输出的根节点。
成本方面，论文测得生产环境 flat Agent 的费用按 N^1.39 增长，而非朴素 append-only 假设下的 N²。这说明真实系统已存在前缀缓存、压缩等优化手段。结合产出损失与成本收益，论文给出闭式最优层数，并指出任务规模上升 14 个数量级时，最优层数只增加 7 层。也就是说，架构选择对任务规模变化并不敏感。
论文还给出一个具体判据：在等花费条件下，两层结构在 N=403 个发现处超过 flat。少于 403 个发现时，单 Agent 更划算。
委托不是上下文溢出后的应急动作
该研究另一项具有工程价值的发现来自对真实委托行为的分析。作者使用 743,819 次生产工具调用数据构建离散时间 hazard model，并且仅使用决策前信息，以避免决策后状态影响回归结果。
结果显示，上下文每翻一倍，委托发生的 odds ratio 为 0.969，95% 置信区间为 [0.954, 0.985]。置信区间完全低于 1，说明上下文变大并未提高委托概率，反而略有下降。
这意味着，在实际系统中，委托更接近一种开局动作，而不是上下文压力触发的应急反应。Agent 往往在任务早期就决定是否分派子任务，而非等到上下文接近上限时才拆分。如果系统采用“上下文超过阈值自动派生子 Agent”的机制，这类逻辑可能并非现实中主要的分派驱动方式。
作者同时指出，如果使用两个更朴素的回归版本，同一问题可能得到 +0.65 和 −0.37 两种相反结果。这提醒工程团队，在分析生产日志时，需要区分变量是在决策前还是决策后被观测到。
对多智能体工程落地的三点提示
论文也明确了适用边界。其 600 条生产轨迹均来自 deep research 类任务。如果工作负载是代码修改、数据清洗或客服工单，δ 可能明显不同。r(b)=C·b^(-δ) 假设保留概率只依赖条目数量，不依赖条目之间内容关系，而现实任务中条目可能冗余、互补或相互独立，这会影响模型适配度。
此外，C 的测量依赖“工具返回编号列表”这种客观条目边界，其他基于文本切分的环节未必适用同一数值。作者也说明，虽然使用三种识别方法降低口径偏差，但三种方法仍基于同一批语料，可能共享语料层面的偏差。
对于准备应用多智能体架构的团队，论文给出的方法路径较为直接：
- 测 C：在“工具返回编号列表，Agent 写一轮输出”的环节，统计 Agent 对单一条目的保留率。
- 测 δ：固定架构，让任务覆盖范围成倍变化，观察最终产出，对 log(yield) 与 log(N) 回归，斜率对应 1-δ。
- 测 μ：抽样标注子 Agent 收到的 brief 与其实际执行结果，统计偏离率。
在决策层面，论文给出较清晰的参考：当 N 小于约 50 时，适合 flat 单 Agent；N 约在 50 至 400 之间，需要重点判断根节点上下文是否可承受；N 超过约 400 时，可考虑 2 至 3 层结构，但继续加层的收益有限，每层产出约乘以 0.536。
该研究并未否定多智能体系统，而是将其收益从“提高信息产出上限”转向另外几个更具体的工程目标：降低根节点上下文压力、优化成本曲线、在特定任务规模下取得更优性价比。对于 AI 应用团队而言，更关键的指标可能不是子 Agent 完成了多少任务，而是子 Agent 产生的发现最终有多少进入了交付结果。
原创文章，作者：点点，如若转载，请注明出处：https://www.dian8dian.com/duo-zhi-neng-ti-bu-shi-yue-duo-yue-hao-yi-xiang-yan-jiu-fa
