🤖 AI

Position: Agentic AI System Is a Foreseeable Pathway to AGI

本文认为，利用复杂多智能体拓扑而非单体扩展的代理智能（Agentic AI），是实现通用人工智能（AGI）的必要且更高效的途径。

原作者： Junwei Liao, Shuai Li, Muning Wen, Jun Wang, Weinan Zhang

发布于 2026-05-14

📖 1 分钟阅读☕ 轻松阅读

原作者： Junwei Liao, Shuai Li, Muning Wen, Jun Wang, Weinan Zhang

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

以下是用简单语言和创造性类比对该论文的解读。

核心问题：越大总是越好吗？

想象一下，你正在试图构建终极的“超级大脑”（通用人工智能，或称 AGI）。长期以来，科技界一直信奉一个特定的配方：把大脑做得更大。

这就是“单体扩展”（Monolithic Scaling）方法。这就像试图建造一座单一的、巨大的图书馆，里面收藏了所有写过的书，希望只要把建筑造得足够大，它最终就能完美地回答每一个问题。但论文指出，这种方法正在撞墙。无论你向单个巨型模型投入多少数据或算力，它在面对现实世界任务的巨大多样性时都会开始挣扎。它变得“卡住”了，试图在所有事情上都做得“稍微好一点”，而不是在特定事情上做到“极致”。

论文的解决方案：“代理 AI"（Agentic AI）乐团

作者们提出的不是单一的巨大大脑，而是代理 AI。不要把它想象成一个超级有机体，而要把它想象成一个高度组织的乐团或一家专科医院。

单体模型：就像一位试图同时做手术、诊断断腿、开药方和看牙医的医生。他可能在这些方面都还凑合，但由于他的大脑太拥挤，试图记住所有事情，他永远无法在任何单一领域做到最好。
代理 AI：这是一个专家团队。一个代理是外科医生，一个是牙医，一个是诊断专家。他们不会什么都做。相反，有一个“路由器”（就像护士长），它查看病人的问题并说：“这是牙科问题，把它转给牙医”，或者“这很复杂，让外科医生和牙医互相沟通一下。”

核心论点：为什么团队会赢

论文利用复杂的数学证明了为什么“团队”方法在数学上优于“单一巨人”方法。以下是将逻辑拆解为日常概念：

1. “平均陷阱”（妥协问题）

想象一下，你要用同一支笔在同一张纸上画一个完美的圆和一个完美的正方形。

如果你试图用一只手同时画这两个图形，你的手会感到困惑。最终你会画出一个奇怪的、凹凸不平的形状，既是个糟糕的圆，也是个糟糕的正方形。
论文称此为**“平均陷阱”**。单一巨型模型试图同时学习所有任务。由于任务如此不同（异质性），模型被迫做出妥协。为了保持足够稳定以处理其他任务，它牺牲了在任何单一任务上的巅峰表现。

2. “维度诅咒”（迷宫问题）

现实世界的任务就像迷宫。

巨型模型试图通过在一个 100 维空间中查看每一堵墙来解开迷宫。这就像试图在一个银河系大小的干草堆里找一根针。它需要不可能数量的数据来学习整个银河系的规则。
代理系统将迷宫分解。它意识到“牙科任务”只发生在银河系中一个微小、简单的 3D 角落，而“编程任务”发生在另一个不同的、简单的 3D 角落。
通过将任务发送给正确的专家，系统只需要学习一个微小、简单的迷宫。论文从数学上证明，这使得团队在学习速度上呈指数级更快，并且所需的数据量比巨型模型指数级更少。

团队如何协作（DAG）

论文不仅仅说“组建一个团队”。它解释了如何连接它们。

简单路由：想象一个交警指挥车辆进入不同的车道。这很好，但有时一个问题需要不止一条车道。
DAG（有向无环图）：这是一种描述流程图或接力赛的复杂方式。
- 代理 A 执行任务并将结果传递给代理 B。
- 代理 B 可能会检查代理 A 的工作，或者将其与代理 C 的工作结合，然后再传递给代理 D。
- 论文引入了一个名为**“拓扑权重”**的概念。将其想象为代理之间连接的“音量旋钮”。
- 如果连接太“响”（嘈杂），就会导致混乱（幻觉）。如果调节得当，它就充当过滤器，在噪声到达下一步之前将其清除。论文认为，当前的多代理系统之所以失败，是因为它们有糟糕的“布线”（糟糕的拓扑结构），而不是因为想法本身不好。

关于“混合专家”（MoE）？

你可能听说过人工智能中的“混合专家”（Mixture of Experts）。论文指出，代理 AI 类似于 MoE，但MoE 是静态的、单步的版本，而代理 AI 是动态的、多步的。

MoE：就像一家餐厅，服务员瞬间为你的订单挑选一位厨师，厨师烹饪，然后你用餐。这是一次性完成的。
代理 AI：就像一家餐厅，服务员挑选一位厨师，厨师叫来副厨师帮忙，他们争论食谱，检查食材，然后才开始烹饪。这是一场对话，而不仅仅是一个开关。

结论：停止建造更大的大脑，开始组建更好的团队

论文得出结论，通往真正通用人工智能（AGI）的道路不是建造更大、更昂贵的单一模型。那条道路正撞向收益递减的墙壁。

相反，未来在于代理 AI：

分解：将大问题分解为小的、具体的任务。
专业化：为每个具体任务使用小型、高效的代理。
编排：用智能、稳定的“布线”（拓扑结构）将它们连接起来，使它们能够协作、互相检查工作并高效地传递信息。

作者们认为，这种方法不仅仅是一个好主意，而且是一个数学上的必然。它使我们能够以更少的算力和数据实现人类水平的智能，使 AGI 的梦想不仅仅局限于最富有的实验室。

技术摘要：智能体 AI 系统是通往通用人工智能（AGI）的可预见路径

问题陈述
本文挑战了“仅通过单一模型的单体式扩展即可实现通用人工智能（AGI）”这一主流教条。虽然数据、计算量和参数量的扩展已推动性能边界，但其带来的回报递减，且无法在现实世界任务的全谱系中实现普遍的主导地位。作者认为，单体模型遭受“平均陷阱”（Average Trap）的困扰，即试图将模块化、异质的现实压缩至稠密的参数空间中。这迫使模型在相互冲突的优化景观之间做出妥协，导致性能曲线扁平化，以牺牲专家级的敏锐度为代价换取广泛的可用性。此外，“维数灾难”意味着覆盖高维环境空间所需的样本量随维度呈指数级增长，使得单体学习在处理复杂、结构化的现实世界分布时效率低下。

方法论
作者运用学习理论、流形学习和图论的严谨理论推导，对比了单体学习器与智能体 AI 系统。

现实世界分布的形式化：论文将现实世界数据定义为非均匀噪声，而是支持于低维黎曼流形并集上的“结构化现实世界分布”。每个任务对应一个具有其自身内蕴维度 $d_k \ll D$ （其中 $D$ 为环境维度）的独立流形。
理论界限：
- 单体分析：利用极小极大下界（Minimax Lower Bound）和 Lipschitz 函数的性质，作者推导出单体模型的泛化误差以与 $N^{-1/D}$ 成正比的速率衰减。他们证明了“通才惩罚”（Proposition 3.3）的存在，表明由于冲突梯度引起的曲率偏差，单体模型的风险严格高于最优专家风险的加权和。
- 基于路由的智能体分析：作者构建了一个朴素的路由型智能体 AI（MR-Agentic）模型，该模型将任务分解为 $K$ 个子任务，每个子任务由在低维流形上运行的专家智能体处理。他们证明，误差衰减率提升至 $O(N^{-1/d_{max}})$ ，其中 $d_{max}$ 是子任务的最大内蕴维度。
- 通用智能体 AI（DAG 拓扑）：该框架被扩展为定义为异构智能体有向无环图（DAG）的通用智能体 AI。作者引入了“拓扑权重”和“边权重”的概念，以分析局部扰动如何在系统中传播。他们定义了一个“拓扑因子” $C(G)$ ，用于根据图结构确定全局误差的幅度。
路由遗憾分析：论文量化了路由错误（选择次优专家）和不匹配惩罚的成本。推导出的界限表明，虽然路由成本随智能体数量 $K$ 的增加而增加，但只要系统设计得当（例如使用基于树的路由器以实现可扩展性，或使用神经网络路由器处理复杂边界），维度缩减带来的指数级收益将主导这些成本。

主要贡献

“平均陷阱”的理论证明：论文提供了一个形式化下界，证明在面对异质任务时，由于优化景观的冲突，单体模型不可避免地遭受次优性能。
指数级效率提升：通过理论推导，作者证明智能体 AI 在样本效率和参数效率方面比单体模型具有指数级的优越性。具体而言，数据需求的比例按 $\epsilon^{D-d_{max}}$ 缩放，这意味着当环境维度 $D$ 超过内蕴维度 $d_{max}$ 时，智能体 AI 实现相同误差率 $\epsilon$ 所需的样本量显著更少。
智能体系统的拓扑框架：论文将智能体 AI 形式化为智能体的拓扑组合（DAG），并引入“拓扑权重”和“边权重”等指标来分析系统稳定性。它提出，最优的边应充当自适应阀门（收缩滤波器），以抑制噪声传播。
与混合专家模型（MoE）的区别：作者阐明，虽然智能体 AI 与 MoE 共享路由原则，但它通过支持多步推理、动态任务分解和任意 DAG 拓扑（而非固定的单层路由）超越了 MoE。

结果

样本复杂度：分析表明，对于目标误差率，单体模型的样本复杂度按 $N_{mono} \propto \epsilon^{-D}$ 缩放，而基于路由的智能体 AI 按 $N_{Agentic} \propto K \cdot \epsilon^{-d_{max}}$ 缩放。鉴于 $d_{max} \ll D$ ，智能体方法在数据需求上提供了指数级的减少。
参数效率：同样，参数效率遵循依赖于内蕴维度的幂律。单体模型受限于环境维度（ $O(P^{-\kappa/D})$ ），而智能体系统受益于较低的内蕴维度（ $O(P^{-\kappa/d_{max}})$ ）。
最优粒度：论文确定了平衡专业化收益与路由开销的最优智能体数量 $K^*$ 。它表明，基于树的路由允许在路由遗憾可忽略不计的情况下进行大规模扩展（ $K \gg 1$ ），而神经网络路由在数据丰富的场景中更受青睐，以捕捉复杂的非层级边界。
稳定性条件：对 DAG 拓扑的分析揭示，系统不稳定性（例如幻觉、方差）通常源于糟糕的拓扑设计（例如长链中的非收缩边），而非多智能体概念本身的根本缺陷。

意义与主张
本文将智能体 AI 定位为不仅仅是架构上的替代方案，而是掌握异质、高维现实世界任务的“几何必然性”。作者认为，通往 AGI 的道路需要从蛮力式的单体扩展，转向对稳定、设计精良的智能体 AI 生态系统的精确优化。

这项工作的意义在于：

民主化 AGI 研究：通过提供一条能带来指数级效率提升的路径，智能体 AI 使资源有限的研究人员能够在无需高昂计算成本的情况下实现最先进的泛化能力。
理论基础：它提供了首个具体的理论证明，表明在结构化现实世界分布的假设下，智能体 AI 总体上优于单体方法。
设计原则：它为多智能体系统提供了可操作的设计原则，强调拓扑稳定性、边收缩以及路由成本与专业化收益之间区别的重要性。

作者得出结论，虽然当前的多智能体框架常因设计不佳（组织熵、对齐偏差）而失败，但这些都是可解决的技术挑战。通往 AGI 的“可预见路径”在于拥抱智能体 AI，将其作为克服单体扩展局限性的必要范式。