AI 解读

当前大型语言模型（LLM）在多 Agent 系统中的合作能力面临严峻挑战。研究表明，LLM 倾向于“趋同推理”，在资源竞争时极易陷入死锁，甚至通信反而加剧问题。能力越强的模型，合作意愿越低，倾向于采取博弈策略。这源于主流训练方式使其缺乏对“他者”的认知，本质上是单人优化问题。现有的编排者-执行者（Orchestrator-Worker）模式如同AI世界的“计划经济”，因分工悖论、信用分配失灵和信息分散等问题效率低下。哈佛大学和MIT的研究提出“Economy of Minds”模型，借鉴经济学中的市场机制，通过拍卖、层层分包、经济自然选择和新手保护等环节，让Agent在竞争中自发涌现合作能力，显著优于单Agent和编排式系统，预示着多Agent AI系统正从计划经济走向市场经济。