Duke and Princeton paper finds parallel small agent teams outperform solo agents and one large team at equal computeMachine translation

杜克大学和普林斯顿大学的一篇新论文发现，在计算量相同的情况下，多个小型智能体团队并行工作，表现优于单个智能体多次尝试后择优的方案，也优于一个大型团队。

在同样使用100个AI智能体的预算下，让10个各有10个智能体的小团队并行工作，并保留表现最佳团队的结果，效果优于让100个智能体各自独立工作，也优于组成一个100个智能体的团队。

有验证器时，团队通常会运行多个独立工作的智能体，再选出最佳结果，但收益很快趋于平缓。一个大型团队起初表现更好，但随着规模扩大，表现不再提升。

他们将智能体预算分配给每组10个智能体、共享一个论坛的团队，然后保留表现最佳团队的结果。团队合作提高了每次尝试的平均表现，而多个团队仍能提供多次尝试的机会。

如果验证器能够给你的智能体的工作评分，就把预算分配给几个共享笔记的小团队，并保留最佳团队的答案。