大模型也会'过度协作'：Kim 等 2026 的 Nature Machine Intelligence 研究

MIT 等机构团队在《Nature Machine Intelligence》发表受控实验：在 260 种配置、6 个基准、5 种架构、3 个 LLM 家族上，研究多智能体协作何时优于单一强智能体。核心发现——存在一个'能力饱和阈值'：当底层单智能体已足够强，再加协作反而可能拖累表现。

研究背景

多智能体系统（multi-agent LLM systems）正在被广泛部署。但一个根本问题长期不清：什么时候让多个 AI 协作，真的优于让一个强 AI 单干？

MIT Media Lab 等机构的团队（通讯/资深作者含 Xin Liu、Hae Won Park、Paul Pu Liang 等）在 Nature Machine Intelligence 2026 发表一篇受控实验，试图给出定量回答。

研究方法

• 控制变量：固定任务提示、工具与计算预算，只改变协调结构（单智能体 vs 多智能体）与模型能力
• 规模：跨越 260 种配置，覆盖 6 个基准、5 种架构、3 个 LLM 家族
• 用实证协调指标构建预测模型，识别"多智能体协作是否提升表现"的判别规律

核心发现：能力饱和阈值

研究发现：

1. 单智能体基线表现是预测协作是否有用的强信号：当底层单一智能体已经很强，再加协作往往不再带来提升，甚至可能下降。
2. 存在一个"能力饱和阈值（capability-saturation threshold）"——超过该阈值后，增加智能体数量不太可能改善表现。该阈值在 SWE-bench Verified 与 Terminal-Bench 上能正确预测 94% 验证配置的效果方向。
3. 第二个稳健效应是"基线放大的错误（baseline-scaled error amplification）"：协作会放大单智能体已有的错误模式。

这意味着：多智能体协作不是"越多越好"，而是有一个可定量判断的适用边界。

（注：本文此前曾被本站在"超级思维"书页中误链，现已正名并独立成篇。）

为什么重要

这是把"AI 协作"从口号推向工程化选型的关键一步：它提供了一个框架，用来判断"何时该用多智能体、何时该用单一强智能体"。对企业部署 AI 协作系统有直接决策价值。

与 DSG 框架的呼应

Kim 等的"能力饱和阈值"与 DSG 的 生成式协作五步法 - Generative Collaboration 形成有趣对照：

• DSG 强调协作前先由个人进入清晰的 COACH State™、在 COACH Container™ 中保持独立贡献——这恰好对应"先有稳健的个体基线，再谈协作"；
• 当个体（人或 AI）状态不清、贡献不独立，协作反而会放大错误——这正是 Kim 等发现的失败模式。

这再次印证：集体智慧的前提从来不是"把人聚在一起"，而是"每个个体先到位、再被有效接住"。

来源

• Kim, Y., Gu, K., Park, C., Park, C., Schmidgall, S., Heydari, A. A., Yan, Y., Zhang, Z., Zhuang, Y., Liu, Y., Malhotra, M., Liang, P. P., Park, H. W., Yang, Y., Xu, X., Du, Y., Patel, S., Althoff, T., McDuff, D., & Liu, X. (2026). Capable language models can outgrow the benefits of collaboration. Nature Machine Intelligence 8, 1157–1172
• DOI: 10.1038/s42256-026-01268-y
• 收稿 2025-12-20，接受 2026-06-04，发表 2026-07-24