多智能体系统最大的内耗，不是抢工具，而是不互相探索

多智能体系统最大的内耗，不是抢工具，而是不互相探索

导语

现在做 Multi-Agent 的人越来越多，但你有没有发现：明明给了好几个 Agent，它们最后往往还是扎堆在少数几个“熟人”身上来回协作？这篇 2026 年 7 月的新论文把这个问题摆到了桌面上：当前 LLM 多智能体系统的最大内耗，不是工具不够，而是它们根本不会主动探索彼此。

正文

问题：Agent 之间形成了“小圈子协作”

如果你拆过一套多智能体系统，大概率见过这种现象：多个 Agent 明明各有专长，但长期下来只有 2-3 个 Agent 被频繁调用，其余多数处于“闲置”状态。论文把它 formalize 成 Multi-Agent Exploration Problem：在部分可观测随机博弈（POSG）中，Agent 需要主动探测其他同伴的能力边界，才能找到真正有效的协作组合；但现有系统几乎没有显式探索机制。

结果就是：智能体过早锁定少数协作对象，导致 myopic（短视）且极化（polarized） 的互动模式。团队越大，浪费越严重。

方案：MACE——用上下文 bandit 显式引导探索

这篇来自 Wisconsin-Madison 的论文提出 MACE（Multi-Agent Contextual Exploration），思路很直接：把“选谁协作”当成一个 contextual bandit 问题，显式鼓励 Agent 去探索不同同伴，而不是只盯着最高历史 reward。

核心流程是：

1. Peer Selection：用结构化上下文描述每个 Agent 的能力标签、历史表现、任务相关性。

2. Exploration Bonus：在 reward 中加探索激励，鼓励尝试低曝光但高潜力的 Agent。

3. Update Transfer：把探索得到的协作信号沉淀回策略，避免每次都“重新摸底”。

论文在多个 diversity 场景下验证，MACE 显著改善了探索行为，也提升了最终任务完成率。理论上，non-exploring 策略会带来线性 regret；MACE 则达到 sublinear，而且 Agent 能力越多元，探索收益越大。

前端/AI 工程视角的启示

这对我们搭建前端 Multi-Agent 工具有直接参考价值：

• Router 不能只做“命中率最高”匹配：如果编排层只返回历史表现最好的 Agent，系统很快会退化成单 Agent 套壳。
• 要给“冷启动探索”留 budget：新加入的 Agent 或新能力 Agent，需要强制曝光窗口。
• Exploration 应该可观测：把“尝试了哪些 Agent、为什么切换”记录成可审计链路，方便后续调优。

结论

多智能体系统的瓶颈，经常不是个体能力，而是“谁来发现谁更强”。MACE 这篇工作虽然偏理论，但给出的信号很明确：Multi-Agent 不是把多个 Agent 堆在一起就叫架构，探索机制本身就是架构的一部分。

收尾

如果你正在搭多 Agent 编排层，不妨先检查一下：你的 router 是不是已经退化成了“只找熟人”？下一个可落地动作：给路由层加一个基于 contextual bandit 的探索预算，先在小流量任务里验证 regret 下降曲线。

—

参考：arXiv:2607.11250；arXiv:2607.11881；HuggingFace Daily Papers 2026-07-14/15。