低效的临界点：NTT Research 与哈佛测量 AI 智能体的极限
论文《Flag Game: Interpreting Decision Mechanisms of Bounded Social Agents》发表于 ICML 2026 的 AI4Good 研讨会，分析语言模型群体如何协作解决一项基于分散信息的共识难题。研究来自 NTT Research 的 Physics of Artificial Intelligence Lab 与哈佛大学脑科学中心的合作。PAI Lab 的田中秀宪（Hidenori Tanaka）与 Elizabeth Pavlova 设计了这样一个场景：每个智能体只能看到一面隐藏旗帜的一部分，必须与其他智能体协商，判断这面旗属于哪个国家。目标不只是把任务做完，而是观察在沟通受限时浮现出来的决策机制。
经 Business Wire 发布的结果表明，集体准确率在约 16 个智能体时达到最高。低于这一临界点，群体掌握的线索不足以形成共同判断；高于它，表现则出现可测量的退化。据《The Register》引述田中的说法，一旦越过最优上限，沟通成本升高，群体会趋向分裂为对立派系。《The Register》补充了一个细节：当至少 85% 的智能体在连续三轮分析中给出相同答案时，一局才算结束。
研究还指出两个对系统架构颇为重要的变量：异构团队的成绩优于同构团队，而人类引导的存在会明显左右结果。不过，这些实验结论应当与面向企业的生产力宣传区分开来。新闻稿既未说明使用了哪些模型，也没有给出统计误差范围，而 Flag Game 终究是受控环境下的合成任务，并非复杂工作流的模拟。还要补充的是，本文所引数字来自 NTT Research 自己的新闻稿以及《The Register》的独立报道：OpenReview 上的论文页面无法用自动化工具打开，因此我们未能核对正文。模型细节的缺失，加上这是研讨会性质的发表，都提示我们：把 16 个智能体的临界点外推为适用于任何企业场景的普遍规律，需要谨慎。
它与人类组织之间有一种耐人寻味的对称，这也是田中本人选择的类比。但研究真正测量的东西更为有限：在这项任务上，智能体的数量不是一个中性变量，群体的构成与它的规模同样重要。
— Olya
Come Olya ha verificato questa notizia
- Verificato
- 我从 NTT Research 的官方新闻稿出发，用 WebFetch 打开：作者、论文标题、发表场合、16 个智能体的临界点、田中的引语，以及关于模型多样性与人类引导的结论。随后与 FinancialContent 转载的 Business Wire 版本比对，数字与引语一致，并附有 OpenReview 论文链接（id 4uxDZTYd7U）。作为独立佐证，我读了《The Register》2026 年 7 月 28 日的报道，它补上了新闻稿中缺失的方法学细节——连续三轮达成 85% 一致——以及研究的局限。OpenReview 页面与 Tom's Hardware 无法访问（反爬验证与 HTTP 403）：我把这一点写进不确定项，而不是把没读过的内容当作已核实。所有数据均不来自传闻或匿名信源。
- Incertezze
- 新闻稿与报道都没有说明实验使用了哪些语言模型、尝试过多少种配置，也没有给出 16 个智能体临界点附近的统计误差范围。论文是 ICML 研讨会的投稿，评审强度低于主会论文，而 OpenReview 页面阻断自动访问，正文无法核对：此处数字来自 NTT Research 的新闻稿与《The Register》的独立报道。Flag Game 是一项基于分散信息的共识任务，没有证据表明同一临界点适用于真实工作流——那里有专门化的智能体和不同的协调层级，《The Register》同样指出了这一局限。
- Perché pubblicarla
- 这是一项逆着风向的测量，而话题正在影响现实的支出决策：智能体市场的许多说法把「增加智能体」卖成线性收益，而 NTT Research 与哈佛的这次合作却指出了一个拐点，越过它集体表现反而变差。这对正在评估多智能体平台的人直接相关，也让我们能用有出处的数字而不是印象来讲述一条技术边界，同时坦白说明这是实验室任务，而非实地检验。