來自騰訊的研究者們做了一個關(guān)于 agent 的scaling property（可拓展性）的工作。發(fā)現(xiàn)：通過簡單的采樣投票，大語言模型（LLM）的性能，會隨著實(shí)例化agent數(shù)量的增加而增強(qiáng)。其第一次在廣泛的場景下驗(yàn)證了該現(xiàn)象的普遍性，與其他復(fù)雜方法的正交性，以及研究了其背后的原因，并提出進(jìn)一步促成scaling發(fā)揮威力的辦法。

• 論文標(biāo)題：More Agents Is All You Need
• 論文地址：https://arxiv.org/abs/2402.05120
• 代碼地址：https://github.com/MoreAgentsIsAllYouNeed/More-Agents-Is-All-You-Need

本文中，來自騰訊的研究者發(fā)現(xiàn)：只需通過一種簡單的采樣投票法，大語言模型的性能就會隨著實(shí)例化 agent 的數(shù)量的增大而增強(qiáng)，呈現(xiàn)scaling property（可拓展性），無需復(fù)雜的多 LLM agents 協(xié)作框架以及prompt工程方法的加持。此外，該方法與現(xiàn)有的復(fù)雜方法正交，結(jié)合之后，可進(jìn)一步增強(qiáng) LLM，其增強(qiáng)程度與任務(wù)難度相關(guān)。該論文做了第一個關(guān)于 raw agent（指不依賴復(fù)雜的prompt工程和協(xié)作框架的LLM agent）的 scaling property 的研究，其對各種 LLM 基準(zhǔn)進(jìn)行了全面的實(shí)驗(yàn)，以驗(yàn)證此發(fā)現(xiàn)的普遍性，并研究了可以促進(jìn)其發(fā)生的策略。目前代碼已開源。

多個小模型超過大模型

論文討論了諸多集成 LLM 的相關(guān)工作，包括 LLM 自集成、異構(gòu) LLM 集成、還有關(guān)于多個 LLM Agents 協(xié)作框架的工作，并與提出的方法進(jìn)行了對比，可以看出論文進(jìn)行了更全面的研究和分析：

為了研究大型語言模型的性能如何隨著實(shí)例化 agents 數(shù)量的增加而提升。論文使用了一種簡單的采樣和投票方法（作者用了 simple (st) 的說法，可見他們認(rèn)為這個方法也許是最簡單的方法之一）。值得注意的是，此方法可與現(xiàn)有的復(fù)雜方法正交結(jié)合。它可以被分為兩個階段：

• 將任務(wù) query 輸入到單個 LLM 或多個 LLM Agents 協(xié)作框架中，生成多個輸出；
• 通過多數(shù)投票確定最終結(jié)果

論文從 Llama2 和 GPT 系列選擇不同規(guī)模的語言模型進(jìn)行評估，任務(wù)數(shù)據(jù)集涵蓋推理和生成等多個領(lǐng)域。實(shí)驗(yàn)結(jié)果表明，在所有任務(wù)和不同種類、規(guī)模的 LLM 上，發(fā)現(xiàn) LLM 的性能隨著實(shí)例化 agent 的數(shù)量而增加。

例如，在 GSM8K 任務(wù)上提升了 12% 至 24%，在 MATH 上提升了 6% 至 10%。有趣的是，多個小 LLM 集成可以達(dá)到甚至超越較大 LLM 的性能。例如，多個 Llama2-13B 的集成在 GSM8K 上達(dá)到了 59% 準(zhǔn)確率，超過了單一 Llama2-70B 的 54% 的準(zhǔn)確率。

進(jìn)一步地，作者還探索了與其他方法的兼容性。盡管這些方法實(shí)現(xiàn)各不相同，但是在與之結(jié)合使用時，性能可以進(jìn)一步提升，并同樣符合實(shí)例化 agent 越多，性能增益越強(qiáng)的現(xiàn)象。實(shí)驗(yàn)結(jié)果顯示增益范圍從 1% 到 27% 不等，說明這個簡單的方法通過和其他方法正交使用可以進(jìn)一步增強(qiáng) LLM 的性能。

基于 LLama13B

基于 LLama70B

基于 GPT-3.5-Turbo

此外，論文還分析了性能提升與問題難度之間的關(guān)系。

• 固有難度：隨著任務(wù)固有難度的增加，性能提升（即相對性能增益）也會增加，但當(dāng)難度達(dá)到一定程度后，增益會逐漸減少。這表明在任務(wù)過于復(fù)雜時，模型的推理能力可能無法跟上，導(dǎo)致性能提升的邊際效應(yīng)遞減。
• 步驟數(shù)量：隨著解決任務(wù)所需的步驟數(shù)量增加，性能提升也會增加。這表明在多步驟任務(wù)中，通過增加 agent 數(shù)量可以幫助模型更好地處理每一步，從而整體提高任務(wù)的解決性能。
• 先驗(yàn)概率：正確答案的先驗(yàn)概率越高，性能提升越大。這意味著在正確答案更有可能的情況下，增加 agent 數(shù)量更有可能帶來顯著的性能提升。

節(jié)點(diǎn)：步驟，虛線：可能的替代步驟。節(jié)點(diǎn)的深度：步驟的數(shù)量，顏色的強(qiáng)度：固有難度的水平。圖示幫助讀者理解任務(wù)的復(fù)雜性是如何通過這些維度來衡量的。

基于此，論文提出了兩種優(yōu)化策略來進(jìn)一步提升方法的有效性：

• 逐步采樣和投票（Step-wise Sampling-and-Voting）：這種方法將任務(wù)分解為多個步驟，并在每個步驟中應(yīng)用采樣和投票，以減少累積錯誤并提高整體性能。
• 分層采樣和投票（Hierarchical Sampling-and-Voting）：這種方法將低概率任務(wù)分解為多個高概率子任務(wù)，并分層解決，同時可以使用不同模型來處理不同概率的子任務(wù)以降低成本。

最后，提出了未來的工作方向，包括優(yōu)化采樣階段以降低成本，并繼續(xù)開發(fā)相關(guān)機(jī)制來減輕 LLM 幻覺（hallucinations）的帶來的潛在負(fù)面影響，確保這些強(qiáng)大模型的部署既負(fù)責(zé)任又有益。