OpenAI 的 Noam Brown：多智能体是推理算力的并行扩展
o1 核心作者 Noam Brown 谈多智能体：它是推理算力的并行扩展方式，但真正决定能力上限的仍是模型本身。
OpenAI 研究员 Noam Brown 在播客中称，推理模型的表现随 test-time compute（推理时计算量）增加而稳定提升，但串行等待太慢，多智能体相当于把算力从串行改为并行扩展。他强调，1 万个 Agent 解出千禧年数学难题，多智能体的功劳不到 10%，核心还是模型本身足够强。
正文摘录
程浅 发自 凹非寺 量子位 | 公众号QbitAI “Navier–Stokes千禧年难题的突破，10000个Agent最多占了10%的功劳。” 此判断出自OpenAI研究员，o1核心作者NoamBrown之口。 NoamBrown， 人称“OpenAI推理教父”。 在几乎所有人还在卷模型参数的2023年，他就已经开始押注test-time compute scaling（推理时计算） 。 一年后，o1-preview横空出世、震动行业。如今，TTS早已成为行业共识，成了人手一个的“深度思考”按钮。  △Dwarkesh Patel播客《OpenAI researcher on agent swarms & recursive self-improvement》 现在，NoamBrown又带来了他目前的研究方向—— 多智能体（multi-Agent）系统。 此前，OpenAI发动了10000个Agent，耗时88小时，输出1300亿token，拿下千禧年数学难题。 关于此事，NoamBrown在最新播客中从多智能体系统聊起，深入到了公司经营、RSI发展、超级对齐等领域…… 一个个问题也接连浮现： 当难题越来越少，模型强到一秒解题，将如何继续提升能力？ 如果把这批Agent投入到递归自我改进研发中，会发生什么？ 前沿模型如果一个长任务可以做三个月，而发布周期只有两个月，怎么办？ AI越来越会隐藏自己的思维链，人应该如何监测？ 当AGI已经超越人类智慧，在那时，我们如何知道对齐问题已经解决了？ …… 关于这些问题，对话全文如下。 多智能体系统如何拿下千禧年难题？