导读:2026年5月,西安交通大学、悉尼大学等机构联合发布了一篇系统综述。它回答了一个核心问题:为什么单体大模型越聪明,碰到复杂任务反而越容易崩?答案是——我们需要的不只是更聪明的"个体",而是能协作、能诊断、能进化的"群体"。论文提出的L.I.F.E. 框架,用四把钥匙打开了从单体智能到集体智能的通路。一、一个反直觉的现象:越聪明,越脆弱大模型很强。它能推理、能规划、能用工具。但当你让它处理一个需要多角色、多工具、长周期协调的复杂任务时,它会开始"头晕"。提示词冲突。上下文资源争夺。长周期任务中途崩溃。论文一针见血地指出:LLM-based 自主智能体在推理、规划、工具使用上已经展示了强大的单体能力,但当任务需要跨角色、跨工具、跨环境的持续协调时,这些能力迅速触及天花板。为什么?因为单体智能体没有"社会性"。它不能分工,不能协商,不能互相检查。就像一个人再聪明,也不可能同时当架构师、程序员、测试员、产品经理——至少不可能持续高效地当下去。这就是多智能体系统(MAS)的出发点:通过专业化智能体之间的结构化协作来突破单体极限。但协作越紧密,一个反直觉的风险就越突出——错误会在智能体之间传播。论文提出了一个之前很少被正视的问题:多智能体系统中的错误不是孤立的。一个智能体的幻觉,通过通信链路传给另一个智能体,后者再传给下一个,经过几轮交互后,原始错误已经被层层