最近，谷歌研究院、谷歌DeepMind和麻省理工学院联合发布了一项研究，挑战了“代理越多结果越好”这一传统观点。研究团队进行了180项受控实验，以探索多智能体系统在不同任务中的表现。结果显示表现波动显著，部分任务提升了高达81%，而另一些则下降了多达70%。
研究显示，任务类型对多智能体系统的性能有显著影响。在某些并行任务中，如财务分析，使用集中式多代理协调可以显著提升性能。不同的代理可以独立分析销售趋势、成本结构和市场数据，然后汇总结果，最终实现81%的性能提升。
然而，在某些需要顺序执行的任务中，比如Minecraft中的规划任务，多智能体设置实际上会降低性能39%到70%。这是因为每一次生产行动都会影响后续行动所依赖的库存状态。任务之间的顺序依赖可能导致信息在代理间传递时丢失或碎片化。
研究发现，影响多智能体系统性能的主要因素有三个：首先，涉及的工具越多，如网络搜索或编码，越可能受到多智能体系统的负面影响。其次，当单个代理的成功率超过45%时，增加代理通常会导致收益递减甚至负回报，因为协调成本抵消了收益。最后，在多智能体环境中错误积累得更快。如果没有信息共享，错误发生速度是单代理环境的17倍。
