摘要：2025年5月27日，一篇尚未发表的arXiv预印本像投进湖面的石子，在AI圈激起层层涟漪。《Large Language Models Miss the Multi-Agent Mark》这个标题看似温和，实则尖锐地戳破了当下最火热的研究泡沫——当人人都把"

2025年5月27日，一篇尚未发表的arXiv预印本像投进湖面的石子，在AI圈激起层层涟漪。《Large Language Models Miss the Multi-Agent Mark》这个标题看似温和，实则尖锐地戳破了当下最火热的研究泡沫——当人人都把"多智能体系统"挂在嘴边时，我们可能连真正的"智能体"都没造出来。

打开任何AI顶会论文列表，"Multi-Agent LLMs"几乎成了标配关键词。研究者们让十几个ChatGPT分饰不同角色，有的扮演谈判专家，有的假装股票交易员，在虚拟会议室里吵吵嚷嚷完成任务。这些实验看起来很酷，但论文作者们一针见血："这就像给洋娃娃穿西装开会——你可以说它们在社交，但洋娃娃不会真的吵架。"

真正的多智能体系统理论早在1980年代就打下根基。蚂蚁觅食、鸟群飞行这些自然界的协同现象，催生出"自主性""环境反馈""突现行为"等核心概念。而现在的大模型多智能体实验，往往只是把提示词模板当剧本，让模型们背诵台词。有位匿名审稿人的吐槽很传神："你们管这叫智能体社交？这明明是语言模型的群口相声。"

预印本精准定位了四大脱节领域。最致命的是虚假自主性：当前框架里所谓的"智能体决策"，本质是开发者用提示词暗中操纵。就像提线木偶以为自己能跳舞，实际动作全凭幕后那根绳。

环境设计的粗糙更让人啼笑皆非。经典MAS研究里，环境是智能体的训练场兼考官，会通过物理规则、资源限制等制造真实约束。而现在的LLM多智能体环境？不过是把Python字典当沙盘，连"饥饿值""体力消耗"这些基础机制都靠语言模型自己脑补。

社交互动沦为词频统计，突现行为变成人工标注——当研究者用准确率、F1值这些单智能体指标衡量群体智能时，就像用体温计量血压，数字再漂亮也测不对地方。

讽刺的是，我们拼命追赶的"创新"，MAS领域早有成熟解决方案。分布式约束满足算法能解决80%的LLM协调冲突，博弈论里的谢林点理论可直接优化多模型谈判，甚至1978年开发的合同网协议都比现在流行的"投票式决策"更高效。

预印本建议重读三篇被遗忘的经典：Lesser的分布式感知框架、Jennings的责任分配机制、Wooldridge的智能体逻辑模型。这些发黄的论文里，藏着比GPT-4更接近真正多智能体的密码。

转机就在错位处。某创业团队正在尝试将强化学习环境与LLM结合，让模型在模拟经济系统中真实体验"破产"；剑桥小组改造了机器人足球仿真平台，语言模型必须通过物理行动而非文本输出来证明协作能力。

最有趣的突破来自意外组合：有团队把MAS的通讯协议嫁接到蛋白质折叠预测上，让大模型像氨基酸一样通过简单信号传递结构信息，准确率反而超过复杂架构。这印证了论文的核心观点——与其堆砌模型数量，不如先教会它们正确"社交"。

站在2025年年中回望，这场多智能体狂热像极了十年前的区块链狂欢。当潮水退去，最终留下的不会是那些把"agent"当营销噱头的项目，而是真正理解"多"字重量的研究者。毕竟，蚂蚁从来不需要理解什么是蚁群智能，但它们确实建造了比人类更精妙的立体交通网。

来源：DocSays医聊