Agents' next frontier: agent-to-agent and network effects - Jean-Denis Greze, Town

关键观点

1. 01

   多智能体系统本质上是上下文搜索系统

   演讲者认为，多智能体并不是一个最有解释力的概念。真正的工程目标，是在回答用户或执行工具调用之前，让上下文窗口拥有正确的信息。智能体、检索工具和协作协议都只是搜索信息空间、构造最终上下文的不同手段。模型能力决定给定上下文下的上限，而系统设计决定模型实际能看到什么。

   为什么重要: 这会把架构重点从“增加智能体数量”转向上下文质量、信息可达性和调用前的证据组织。

   支撑证据

   So, I think most LLM systems are just a search problem.

   演讲者认为，多智能体并不是一个最有解释力的概念。真正的工程目标，是在回答用户或执行工具调用之前，让上下文窗口拥有正确的信息。智能体、检索工具和协作协议都只是搜索信息空间、构造最终上下文的不同手…展开观点

   演讲者认为，多智能体并不是一个最有解释力的概念。真正的工程目标，是在回答用户或执行工具调用之前，让上下文窗口拥有正确的信息。智能体、检索工具和协作协议都只是搜索信息空间、构造最终上下文的不同手…展开观点收起观点

   演讲者认为，多智能体并不是一个最有解释力的概念。真正的工程目标，是在回答用户或执行工具调用之前，让上下文窗口拥有正确的信息。智能体、检索工具和协作协议都只是搜索信息空间、构造最终上下文的不同手段。模型能力决定给定上下文下的上限，而系统设计决定模型实际能看到什么。

   为什么重要: 这会把架构重点从“增加智能体数量”转向上下文质量、信息可达性和调用前的证据组织。

   支撑证据

   So, I think most LLM systems are just a search problem.

2. 02

   全知单智能体是评估多智能体系统的理论基准

   理想状态是一个智能体拥有全世界的信息，并能据此产生最优结果；从功能上看，这已经等价于一个完整的多智能体世界。现实系统的优劣，可以用它在特定任务中多大程度上逼近这一状态来衡量。关键不是复制所有数据，而是能否取得理想系统完成当前决策所需的同一组信息。

   为什么重要: 这一基准提供了清晰的评估问题：缺失了哪些决定性信息，以及现有边界为何阻止系统获得它们。

   支撑证据

   And that actually That is a multi-agent world. It's just an agent that has access to all the world's information.

   理想状态是一个智能体拥有全世界的信息，并能据此产生最优结果；从功能上看，这已经等价于一个完整的多智能体世界。现实系统的优劣，可以用它在特定任务中多大程度上逼近这一状态来衡量。关键不是复制所有数…展开观点

   理想状态是一个智能体拥有全世界的信息，并能据此产生最优结果；从功能上看，这已经等价于一个完整的多智能体世界。现实系统的优劣，可以用它在特定任务中多大程度上逼近这一状态来衡量。关键不是复制所有数…展开观点收起观点

   理想状态是一个智能体拥有全世界的信息，并能据此产生最优结果；从功能上看，这已经等价于一个完整的多智能体世界。现实系统的优劣，可以用它在特定任务中多大程度上逼近这一状态来衡量。关键不是复制所有数据，而是能否取得理想系统完成当前决策所需的同一组信息。

   为什么重要: 这一基准提供了清晰的评估问题：缺失了哪些决定性信息，以及现有边界为何阻止系统获得它们。

   支撑证据

   And that actually That is a multi-agent world. It's just an agent that has access to all the world's information.