多代理大语言模型系统常被期待随团队规模增大而提升性能，但实际的扩展行为取决于任务结构。本文引入 Steiner 的任务分类法，将团队任务划分为析取任务和补偿任务，以此作为分析多代理扩展的框架。我们将独立抽样的代理建模为在给定条目条件下相互独立，从而得到大团队的极限行为：多数投票收敛到模型的众数答案，平均则收敛到模型在该条目上的偏置。
在选取的若干基准、13 种开源权重模型以及最多 30 代理的实验中，观察到截然不同的扩展特征。对析取任务而言，至少有一名代理正确的概率随团队规模提升 5~20 个百分点，但直接对答案进行多数投票几乎没有实现这部分潜力，模型平均仅提升 0.5 个百分点。多轮修订能够显著提升准确率，然而一次同伴修订与 29 次同伴修订的增益几乎相同。
相反，在费米估计这类天然适合聚合的补偿任务上，扩展收益有限。模型样本之间共享的条目级偏置约占误差平方的 87%，因此平均只能将误差降低约 6%。不同模型族的组合在费米估计上有一定提升，但仍未超越单一最强模型在析取任务上的表现。
这些结果表明，任务结构以及成员输出的组合机制是决定团队扩展效果的根本因素。
点评