来自腾讯的研究者们做了一个关于 agent 的scaling property（可拓展性）的工作。发现：通过简略的采样投票，大谈话模型（LLM）的本能，会随着实例化agent数目的添加而加强。其第一次在广泛的场景下验证了该现象的普遍性，与其他庞大方式的正交性，以及研究了其背后的原因，并提出进一步促成scaling发挥威力的办法。
论文标题：More Agents Is All You Need
论文地址：https://arxiv.org/abs/2402.05120
代码地址：https://github.com/MoreAgentsIsAllYouNeed/More-Agents-Is-All-You-Need
本文中，来自腾讯的研究者发现：只需通过一种简略的采样投票法，大谈话模型的本能就会随着实例化 agent 的数目的增大而加强，呈现scaling property（可拓展性），无需庞大的多 LLM agents 合作框架以及prompt工程方式的加持。此外，该方式与现有的庞大方式正交，结合之后，可进一步加强 LLM，其加强程度与义务难度相关。该论文做了第一个关于 raw agent（指不依赖庞大的prompt工程和合作框架的LLM agent）的 scaling property 的研究，其对各种 LLM 基准进行了全面的实验，以验证此发现的普遍性，并研究了可以促进其发生的策略。目前代码已开源。
多个小模型超过大模型
论文讨论了诸多集成 LLM 的相关工作，包括 LLM 自集成、异构 LLM 集成、还有关于多个 LLM Agents 合作框架的工作，并与提出的方式进行了对比，可以看出论文进行了更全面的研究和分析：
为了研究大型谈话模型的本能如何随着实例化 agents 数目的添加而提高。论文使用了一种简略的采样和投票方式（作者用了 simple (st) 的说法，可见他们认为这个方式也许是最简略的方式之一）。值得注意的是，此方式可与现有的庞大方式正交结合。它可以被分为两个阶段：
将义务 query 输入到单个 LLM 或多个 LLM Agents 合作框架中，生成多个输出；
通过多数投票确定最终结果
论文从 Llama2 和 GPT 系列选择不同规模的谈话模型进行评估，义务数据集涵盖推理和生成等多个领域。实验结果表明，在所有义务和不同种类、规模的 LLM 上，发现 LLM 的本能随着实例化 agent 的数目而添加。
例如，在 GSM8K 义务上提高了 12% 至 24%，在 MATH 上提高了 6% 至 10%。有趣的是，多个小 LLM 集成可以达到甚至超越较大 LLM 的本能。例如，多个 Llama2-13B 的集成在 GSM8K 上达到了 59% 准确率，超过了单一 Llama2-70B 的 54% 的准确率。
进一步地，作者还探索了与其他方式的兼容性。尽管这些方式实现各不相同，但是在与之结合使用时，本能可以进一步提高，并同样符合实例化 agent 越多，本能增益越强的现象。实验结果显示增益范围从 1% 到 27% 不等，说明这个简略的方式通过和其他方式正交使用可以进一步加强 LLM 的本能。
鉴于 LLama13B
鉴于 LLama70B
鉴于 GPT-3.5-Turbo
此外，论文还分析了本能提高与问题难度之间的关系。
固有难度：随着义务固有难度的添加，本能提高（即相对本能增益）也会添加，但当难度达到一定程度后，增益会逐渐减少。这表明在义务过于庞大时，模型的推理能力可能无法跟上，导致本能提高的边际效应递减。
步调数目：随着解决义务所需的步调数目添加，本能提高也会添加。这表明在多步调义务中，通过添加 agent 数目可以帮助模型更好地处理每一步，从而整体提高义务的解决本能。
先验概率：正确答案的先验概率越高，本能提高越大。这意味着在正确答案更有可能的情况下，添加 agent 数目更有可能带来显著的本能提高。
节点：步调，虚线：可能的替代步调。节点的深度：步调的数目，颜色的强度：固有难度的水平。图示帮助读者理解义务的庞大性是如何通过这些维度来衡量的。
鉴于此，论文提出了两种优化策略来进一步提高方式的有效性：
逐步采样和投票（Step-wise Sampling-and-Voting）：这种方式将义务分解为多个步调，并在每个步调中应用采样和投票，以减少累积错误并提高整体本能。
分层采样和投票（Hierarchical Sampling-and-Voting）：这种方式将低概率义务分解为多个高概率子义务，并分层解决，同时可以使用不同模型来处理不同概率的子义务以降低成本。
最后，提出了未来的工作方向，包括优化采样阶段以降低成本，并继续开发相关机制来减轻 LLM 幻觉（hallucinations）的带来的潜在负面影响，确保这些强大模型的部署既负责任又有益。