开云kaiyun体育

你有莫得遭受过这种情况：为了准备一个复杂的问题，你绽开一册五百页的书，解荒疏现我方不是在念书，而是在和书较劲。信息越多，你反而越找不到重心。

当今把这个问题交给AI智能体，情况可能更晦气。当一个AI系统需要在海量文档、代码库或者网页里找谜底时，业界常用的宗旨是"分而治之"：把信息切成许多块，每块派一个worker（职责智能体，也便是珍藏实践具体搜索任务的AI子设施）行止理。听起来挺合理，对吧？可这里藏着一个简直统共东说念主齐没细想过的罗网。

**信息空间越大，参与配合的智能体数目就随着线性暴涨，哪怕问题本人压根莫得变得更复杂。**

这便是这篇论文要科罚的中枢矛盾。

一个反直观的餍足：信息变多了，任务却没变难

先说一个具体数字，你会合计挺离谱的。

论文里作念了个实验：把一个问答任务需要的信息空间从32K token扩大到512K token，整整扩大了16倍。按照常理，若是任务本人没变（便是要修起归拢个问题），配合所需的智能体数目不应该随着暴涨。可内容情况是，像LongAgent和CoA（Chain of Agents，一种把长文本切块后轮番让多个智能体尽力处理的系统）这类主流方法，活跃配合量增长超越15倍，模子调用次数增长超越12倍，推理资本涨了14到16倍。

也便是说，信息空间大了16倍，这些系统的"团队鸿沟"和"支出"也随着涨了差未几相同的倍数。

这不是恰巧，这是假想上的势必。这类系统把信息按物理位置切块，一块配一个worker，信息空间越大，切出来的块越多，worker当然就越多。这就好比你搬家，把统共东西按房间打包，屋子越大，箱子就越多，即便你内容上只需要带走厨房那几样东西。

论文提议的ANTMAN（Adaptive Need Tracking for Multi-Agent Navigation，直译是"面向多智能体导航的自适合需求跟踪"）在相同的16倍信息空间增长下，活跃配合量只增长了1.23倍。资本增长也被压到了6.9倍，远低于对照组的14到16倍。

这个差距是何如作念到的？谜底藏在一个很朴素但很少有东说念主真实落地的想法里：让配合随着"还缺什么信息"走，而不是随着"信息放在那儿"走。

中枢问题：配合的单元应该是什么

传统的多智能体系统，配合的基本单元是"分区"，也便是信息被物理切分后的一个个小块。这个假想念念路来自一个隐含假定：信息越多，需要处理的职责量就越大，是以worker数目应该随着信息量走。

但这个假定有个破绽。一个查询到底需要若干信息去修起，和这个查询处所的信息空间有多大，其实是两码事。

举个例子。你要在一个有一千页的家具手册里找到"退货策略是什么"这一条，谜底可能就藏在其中一页。若是手册从一千页扩展到一万页，只须退货策略那一段没变，你需要读的内容量其实照旧差未几的，你不会因为手册变厚了就需要读十倍的内容才能找到归拢条策略。

**当查询本人需要的信息量保握不变时，扩大信息空间不应该迫使配合鸿沟成比例增长。**

这句话听起来像知识，但静态分区假想恰恰抗击了它。原因很节略，分区式系统在职务运行前就把信息切好了，worker数目在那一刻就照旧被信息空间的大小决定了，跟查询内容需要什么统统脱钩。

论文遴遴聘另一种东西算作配合的基本单元：还没科罚的信息需求。这个观点来自更早的信息检索表面。1989年，学者Bates就提议过一个不雅点，搜索不是节略地把一个固定问题陆续细化，而是一个动态经由，你在搜索途中发现的新信息会转换你对问题本人的衔接，进而转换你接下来要搜索什么。

对一个AI智能体来说亦然一样的有趣。它一运行可能只知说念要修起"某公司客岁营收若干"，但搜索经由中可能发现这家公司刚作念了并购，那"营收"这个观点本人就需要再行界说，新的信息需求就这么冒出来了。之前认为照旧科罚的问题也可能因为新把柄的出现而被推翻，需要再行处理。

这意味着，若是仅仅在职务运行时作念一次性的问题拆解，是不够用的。你需要一个冒失在实践经由中陆续被修改的、明确记载"面前还缺什么"的气象。

Need Graph：一张会我方改的舆图

ANTMAN的中枢计制叫Need Graph（需求图）。

需求图：一种运行时保养的数据结构，记载面前任务里统共未科罚的信息需求，每个需求节点包含它的气象（已科罚/进行中/受阻）、已网罗的把柄、之前尝试过的方法、以及面前进展。

这张图不是一次性画好就不变了，而是随着搜索的鼓励陆续被更新。每当某个worker复返一份搜索请问，配合者（论文里叫orchestrator，珍藏统筹调遣的中心变装）就会根据这份请问去修改需求图：某个需求可能被符号为已科罚，某个需求可能因为首次尝试失败而被再行表述，或者新的需求可能因为发现的印迹而被追加进去。

这个假想的关节在于，它把"要搜什么"和"该派谁去搜"这两件事，从一次性决策形成了握续决策。

这里不错作念个类比。假定你在带团队破一个悬疑案子。传统分区式的作念法是，一运行就把统共嫌疑东说念主的家、公司、酬酢圈全部永别给不同的造访员，每东说念主珍藏一块区域，不管这条印迹到底有莫得价值，造访员齐得把我方分到的那块地毯式排查完。若是嫌疑东说念主名单从10个东说念主扩大到100个东说念主，造访员数目也得随着扩大到100东说念主鸿沟的量级，哪怕真实有价值的印迹可能只连合在其中三四个东说念主身上。

而ANTMAN的作念法更像一个教悔丰富的探长，他手里拿的不是分区舆图，而是一张陆续更新的"未解之谜清单"。清单上写着"凶犯的作案动机还没查清""不在场讲解有矛盾"这些具体待科罚的问题。每当有新把柄进来，这张清单就会被再行整理：有的问题划掉了，有的问题因为新印迹被拆成了更具体的子问题，探长只派东说念主去追这些真实悬而未决的问题，而不是机械地把统共嫌疑东说念主对等分派造访资源。

若是不这么作念会如何？便是著述开首阿谁16倍信息空间对应15倍配合支出的下场，团队鸿沟随着嫌疑东说念主名单线性扩张，绝大部分造访员其确切作念无效就业。

静态舆图和动态需求的单干

ANTMAN把系统拆成了两层，一层是相对静止的"舆图"，另一层是陆续变化的"任务清单"。

先说舆图这一层。信息空间被切分红若干个territory（论文里叫"领地"，指一个有规模的可搜索区域），每个领地配一张WorkerCard（职责卡，一段轻量的笔墨刻画，概述这个领地大约包含什么内容）。这一层是静态的，事前算好，不随任务变化。

这里有个进犯的区分：**领地和WorkerCard界说的是"有哪些worker可用"，而不是"每次查询必须动用哪些worker"。**

拿藏书楼打比喻会很直不雅。一个藏书楼按楼层和书架分类，一楼是体裁，二楼是历史，三楼是科学，这个分类方式是固定的，不会因为你要查一册书就再行装修藏书楼。但你查而已时，不需要把三层楼全部搜一遍，你只需要根据你要查的具体内容，判断该去几楼几号书架。

需求图这一层就珍藏作念这个判断。每一步配合，系统会从需求图里挑一个面前未科罚的需求，谄谀领地舆图和WorkerCard，判断这个需求该派给哪个领地的worker行止理。worker在我方被分派的领地内作念有限范围的搜索，复返把柄和进展，配合者据此更新需求图，参加下一轮。

论文里给出了一个数学化的抒发来证据这套机制到底有多克制。设M是总的领地数目，H(q)是一次查询内容产生的信息需求数目，ρ是每个需求最多被再行路由的次数，那么内容被激活的worker数目不会超越M和ρ×H(q)两者中较小的阿谁。

这个公式的实际真谛是，即使可用的领地数目M因为信息空间扩大而变得许多，只须一次查询内容需要处理的信息需求H(q)保握在合理范围，激活的worker数目就有一个跟M无关的上界。这恰是活跃配合量能保握接近常数增长的数学基础。

若是遭受某个需求反复尝试齐没进展何如办？论文假想了task-local recovery（任务局部收复）机制。

任务局部收复：当某个信息需求堕入停滞时，系统接纳的转圜策略，包括把需求再行表述、换一个领地再行尝试、或者启用备用的科罚旅途，而不影响合座的领地舆图和worker界说。

这就好比你在藏书楼某个书架翻了半天没找到你要的书，你不会把通盘藏书楼推倒重建，而是换个说法问问不竭员，或者干脆去别的楼层碰碰气运。局部出问题，局部想宗旨，不牵缠通盘系统的架构。

数据话语：三种场景下的实测阐发

光讲旨趣不够，得看数字。论文在三类场景下作念了系统性考证。

**第一类是旧例的多文档问答**，用HotpotQA、2WikiMultiHopQA、MuSiQue这三个经典的多跳问答基准测试（多跳问答指需要跨多个文档、多个推理方法才能得出谜底的问题类型）。

闭幕涌现，ANTMAN在这三个基准的宏平均精准匹配率（EM，指模子谜底与圭臬谜底统谐和致的比例）达到0.711，F1分数（一种综合猜想谜底准确度和无缺度的缠绵）达到0.814，是统共参与对比的九种方法里阐发最佳的，以致超越了专门为检索场景假想的S2G-RAG（一种通过判断把柄是否充分、并生成结构化缺口条件来率领下一步检索的方法）。

更特真谛的是，论文还测试了把实践层的模子换成小模子会如何。ANTMAN-H版块保留了GPT-4.1作念配合决策，但把统共内容实践搜索的worker换成了参数目小得多的Qwen3-8B模子。闭幕这个"缩水版"依然保住了原版89%到98%的性能，具体在RepoProbe基准上保留89.2%，SWE-QA-Pro上保留93.5%，GAIA上保留98.3%。

这证据配合策略本人的价值，比单纯堆更强的模子更进犯。就像一个乐团，研究的水平时时比乐手个体的手段上限更能决定合座献艺的质地。若是研究调遣适合，即便乐手不是顶级演奏家，合座闭幕依然不错很出色。

**第二类是受控的信息空间扩展实验**，也便是前边提到的32K到512K的对比。这个实验假想得很机要，论文用了LongAgent的Needle-in-a-Haystack PLUS（大海捞针加强版）方法，保证每次实验里真实需要的把柄数目不变，仅仅周围填充的干豫信息越来越多。

除了活跃配合量，论文还测了谜底质地的相识性。ANTMAN在32K到512K范围内的F1分数在0.75到0.84之间波动，LongAgent在0.67到0.76之间，波动更大且合座偏低。也便是说ANTMAN不仅配合支出低，谜底质地反而更稳更好。

论文还作念了个反向实验，固定信息空间在512K不变，把真实需要的把柄数目从1个迟缓加到4个再到16个。此次闭幕涌现，活跃配合量如实随着信息需求加多而增长，从5.0个worker涨到8.0个，调用次数从35.5次涨到86.2次，但统共场景下把柄无缺获得率和最终谜底准确率齐保握在100%。

这组对照实验其实是在讲解一件很关节的事：**ANTMAN的配合支出随着"需要若干信息"走，而不是随着"信息藏在哪儿的空间有多大"走。**

**第三类是更靠拢实际的结构化导航场景**，包括代码仓库衔接基准RepoProbe-Python、SWE-QA-Pro，以及通用用具使用基准GAIA（一个要求智能体综合愚弄网页搜索、代码实践等多种用具完成复杂任务的评测集）。

在RepoProbe上，ANTMAN得分38.21（满分制换算后的分数），比最强的非专用基线逾越15.3%。在SWE-QA-Pro上圈套先18.4%，在GAIA-Text-103子集上圈套先27.9%，达到58.3分。特殊值得一提的是GAIA这个场景，它和代码仓库、长文本统统是不同的信息形态，一个是网页和用具调用，ANTMAN依然能保握当先，证据这套需求驱动的配合念念路不是只对某一种数据形态管用，而是有一定的普适性。

论文还专门作念了消融实验，去考证需求图这个机制本人是不是果然有必要，照旧说粗率一个"自适合"策略齐能达到雷同闭幕。他们假想了一个叫Graph-free Adaptive（无图自适合）的对照组，这个版块依然允许模子根据面前把柄动态遴聘worker、调养搜索标的，但不保养那张显式的、握续立异的需求图，全靠高下文历史临时判断。

闭幕涌现，在512K的受控场景下，无缺版ANTMAN的F1达到84.03，无图自适合版块惟一64.01，差了23.82%。在GAIA上无缺版是60分，无图版块惟一50分，差了16.67%。

这个闭幕挺证据问题的。哪怕两个版块激活的worker数目差未几，有莫得一张握续保养、结构化记载的需求气象图，依然带来了显贵差距。这意味着"记取并组织面前还缺什么"这件事本人有孤独的价值，不成节略靠模子临场阐发的自适合才能替代。

这里作念个类比可能更好衔接。你作念一个大样貌，团队里有的东说念主靠脑子记进程，有的东说念主用一张陆续更新的任务看板。两种东说念主可能齐很忠良，齐能根据情况见风使舵，但用看板的东说念主拦阻易漏掉那些"暂时扬弃但还没科罚"的任务，也更容易看出哪些任务之间是互相依赖的。而只靠脑子记的东说念主，时辰一长，容易疲于逃命，或者重迭就业。若是无须看板，凭回顾调遣，看起来省了保养资本，内容上决策质地会打扣头，这恰是消融实验里那16%到24%的性能差距的来源。

消融实验还拆解得更细，去掉需求立异才能（不允许再行表述失败的需求）会让GAIA准确率掉29.17%，去掉自适合路由（不允许把需求再行分派给别的worker）在结构化代码导航场景影响显着，去掉收复机制在受控扩展场景下影响最大，F1掉了28.45%。这证据需求图里的不同才能，在不同类型的任务里各自献艺着不可替代的变装，莫得哪一个是弥漫的守密。

位置不解锐：躲开"迷失在中间"的坑

论文还测了一个很内容的问题：若是关节把柄藏在超长文本的中间位置，AI会不会更容易漏掉？

这个餍足在业界有个专门的名字叫"lost in the middle"（迷失在中间），之前的谈论发现，胜利把通盘长文本喂给大模子，模子对开首和收尾的信息利用得比拟好，但对中间部分的信息往往有眼无珠，哪怕那段信息便是谜底处所。

lost in the middle：一种已被不雅察到的大模子行为模式，指模子在处理长文本时，对位于文本中间位置的关节信息利用闭幕显着弱于开首和收尾位置的信息，即使中间信息相同进犯。

论文用相同的Early（前）、Middle（中）、Late（后）三种把柄位置作念对照，胜利把全文喂给模子（Full Context）算作参照组。闭幕涌现，Full Context决议在32K长度下，中间位置的F1惟一0.590，显着低于开首位置的0.911和收尾位置的0.813，中间位置比两头均值低了0.181。

而ANTMAN在相同条件下，中间位置F1不降反升，比两头均值还逾越0.015。

这个闭幕其实不难衔接。ANTMAN不是把通盘信息空间一股脑塞进模子高下文里，而是针对每个具体的未科罚需求，只调取干系领地里的局部内容去搜索。把柄在通盘信息空间里的物理位置，对这种局部化搜索机制来说简直是卑不足说念的，因为模子看到的从来不是"全文中间那一段"，而是"和面前需求最干系的那一小块"。

这就像你去超市买东西，若是你是被塞进一整车货色里被迫地一件件翻找，货架越长你越容易在中间那段跑神漏看。但若是你手里拿着购物清单，胜利去货架上标注好的阿谁位置取货，货架的长度本人压根不影响你能不成找到清单上的东西。

写在后头

读完这篇论文，最震憾我的其实不是阿谁16倍对1.23倍的漂亮数字，而是阿谁"活跃配合量随空间近乎不变，但随信息需求线性增长"的对照实验。这两个数字放在一齐看，才真实证据问题不是ANTMAN在偷懒省资本，而是它把配合支出这件事，第一次跟"任务本人需要若干"而不是"环境有多大"挂上了钩。这是个很渺小但很关节的区别。

另外一个让我或然的细节是ANTMAN-H的阐发。用8B小模子实践任务，却能保留大模子89%到98%的性能，尤其是在GAIA上简直莫得亏蚀。这证据许多时期牺牲系统才能上限的不是单个模子够不够忠良，而是通盘系统有莫得把资源用在刀刃上。这跟许多东说念主默许的"模子越大越好"的直观其实是有进出的。

论文里也留了个没统统证据晰的问题：需求图的更新和一致性判断，目下是靠大模子我方作念的，这套判断本人有多相识、会不会在更复杂的任务里因为判断造作而漏掉或舛讹合并某些需求，论文莫得作念特殊系统的压力测试。这可能是个值得不绝追问的标的。

Q&A

Q1：ANTMAN是什么？

A：ANTMAN是一种多智能体配合框架，中枢念念路是让AI系统根据面前还未科罚的信息需求来动态决定搜索标的和调遣哪些worker，而不是按照信息空间的物理分区来分派任务，从而幸免配合支出随信息量线性扩张。

Q2：ANTMAN和LongAgent、CoA这类方法比有什么上风？

A：在信息空间扩大16倍的情况下，ANTMAN的活跃配合量只增长1.23倍，推理资本增长6.9倍，而LongAgent和CoA的配合量增长超越15倍，资本增长14到16倍，同期ANTMAN的谜底质地更相识更高。

Q3：ANTMAN用小模子实践任务闭幕会不会打扣头？

A：论文测试了用Qwen3-8B替换统共实践层模子的ANTMAN-H版块开云kaiyun体育，闭幕在RepoProbe、SWE-QA-Pro、GAIA三个基准上分别保留了无缺版89.2%、93.5%、98.3%的性能，亏蚀并不算大。