越多越好？单智能体与多智能体 LLM 架构在金融审查任务中的对比

一项研究对比了单智能体与多智能体 LLM 架构在金融信用评估备忘录审查任务中的表现。在 300 份合成备忘录与 4 个模型的测试中，3 智能体团队比单智能体多捕获 0.08 至 0.10 的缺陷，但虚警量在所有模型上均有增加，且消耗了 2.2 至 2.4 倍的 token。最终团队架构的平衡准确率变化不超过 0.02，且在 Claude 模型上对单智能体重复采样 3 次的效果优于团队架构。