待验证50% 置信观点精确时间
多个LLM组成的多智能体系统类似一台规模更大的细胞自动机，一个轻微的偏好可能经过多轮交互和工具调用在极短时间内放大成不可控的后果。
1
来源数
50%
置信度
长期有效
时效性
2026/11/3
首次发现
来源
LLM为何如此有效？专访Lex Fridman：深度学习的数学与自然数据的秘密
youtubeLex Clips2026/11/3
涉及实体
相关事实
待验证多智能体系统中，当智能体数量庞大且运行于半自主状态时，系统的涌现行为可能超出设计者预期74% 相似已验证多智能体系统将复杂任务拆解为多个子任务，由不同AI智能体并行或串行处理再汇总结果，相较单一模型能缩短处理时间并提升可靠性73% 相似待验证多智能体系统的解决路径包括使用更小更快的专用模型替代通用大模型、引入层级化智能体架构以减少通信、以及开发标准化的多智能体编排协议71% 相似待验证多智能体架构中每增加一个Agent就多一轮LLM调用，导致响应延迟线性甚至更快地累加70% 相似待验证多智能体系统中每个智能体每一步决策都需要一次LLM推理调用，若N个智能体运行T个时间步，总推理次数为O(N×T)，大规模场景的API调用费用和延迟将急剧上升70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1132204API
curl https://kongchang.com/api/v1/knowledge/claims/1132204MCP
get_claim(id=1132204)