Google Agent Scaling论文解读：预算感知与多智能体协调的量化科学

2025年，大语言模型(LLM)社区呈现出两条清晰的发展主线：

1. Test-Time Scaling：不依赖于单纯增大模型参数量，而是通过让模型“多思考几次”、“多尝试几遍”来提升性能。
2. Agent化：赋予模型使用工具的能力，使其能在特定环境中通过迭代推理“滚雪球”式地完成任务。

然而，一个普遍的疑问也随之浮现——“使用更多智能体就一定能获得更好的结果吗？” 此前，业界缺乏一个定量的答案。

近期，Google发布的两篇重要论文，首次将Agent Scaling问题拆解为可预测、可度量的科学问题，为上述疑问提供了系统的解答。

	论文	核心命题	关键词
	Budget-Aware Tool-Use Enables Effective Agent Scaling	在“工具调用预算”的约束下，如何让智能体花得更少、做得更对？	预算感知、工具效率
	Towards a Science of Scaling Agent Systems	对于给定任务，能否预先计算出最优的智能体数量与协调结构？	协调拓扑、任务可分解性

预算感知的 Tool-Use 策略

示意图 1：Budget Tracker 作为轻量级插件，可同时服务于标准 ReAct（上）与高级框架 BATS（下）

核心痛点

• 简单“增加预算”不等于提升性能：缺乏预算感知的智能体，其性能会很快触及天花板。
• 工具调用成本不限于Token：搜索、网页浏览、API调用等都涉及真实的经济成本，需要一个统一的度量标准。

解法一：即插即用的 Budget Tracker

• 机制：在每一轮推理中，将“剩余预算/已用预算”直接写入提示词（Prompt），无需额外训练。
• 策略：根据预算高低，自动在“广泛探索”和“精准利用”两种策略间切换。

实验效果（基于 BrowseComp 基准，使用 Gemini-2.5-Pro 模型）：

• 当预算从10增加到100时，使用Budget Tracker的智能体性能持续提升；而无Tracker的基线模型在预算达到100时性能就已饱和。
• 在达到相同任务精度的情况下，总体成本降低了31%（其中搜索成本降低40%，浏览成本降低21%）。

解法二：BATS 框架（Budget-Aware Test-time Scaling）

	模块	预算感知做法
规划	将“剩余工具调用次数”写入任务检查清单，动态决定是“深入挖掘当前线索”还是“切换探索路径”。
自检	提出初步答案后，利用剩余预算进行反向验证；若验证不通过，则总结失败原因，压缩进记忆后开启新的求解路径。

结果：在三个信息检索基准测试上，BATS框架的性能一致优于简单的并行或串行扩展方法，并且实际花费的成本更低。

图 7：左图展示了工具调用次数与性能的关系曲线，右图展示了统一成本度量下的性能曲线

Scaling 的科学：寻找多智能体协作的“盈亏平衡点”

图 1：跨模型家族的 Intelligence Index 与平均性能关系

实验设计：180种配置的全面横评

	维度	取值
任务	4个真实的智能体基准测试（涵盖金融分析、网页交互、Minecraft游戏规划、办公自动化流程）
模型	3大模型家族 × 3种尺寸 = 9款不同能力的LLM
架构	SAS（单智能体） + 4类MAS（多智能体系统：独立式 / 集中式 / 去中心式 / 混合式）
总配置	共计180组，所有实验均匹配相同的Token预算，以排除实现差异的干扰。

三条核心发现（“铁律”）

表4 将性能与智能水平、任务属性以及实测协调指标相关联的完整scaling原理系数表

铁律	数据支撑	业务启示
工具-协调权衡	系数 β = -0.267 (p<0.001)	当可用工具超过8个时，多智能体系统的协调开销会指数级增长，需谨慎采用。
能力饱和点	单智能体基线性能 > 45% 后，增加智能体数量收益为负	优先提升单兵作战能力，再考虑团队协作。
错误放大效应	独立式架构将错误放大17.2倍；集中式架构可将其压缩至4.4倍。	缺乏有效校验的“裸并行”等于自爆。

表 5：不同架构的协调指标对比

构建定量预测模型

研究团队基于20个可观测特征（如工具数量、单智能体基线性能、协调效率、冗余度、错误放大系数等）拟合了一个混合效应模型：

• 交叉验证的 R² = 0.524，平均绝对误差 MAE = 0.089。
• 在未参与训练的测试配置中，87% 的案例被成功预测出最优架构。

在线计算器思路：输入任务的客观复杂度(T)、单智能体基线性能(PSA)、模型智能指数(Intelligence Index)，即可输出期望性能最高的推荐架构。

整套计算器的完整表达式

总结：Agent Scaling 进入“可预测”时代

这两篇论文系统性地将“控制成本”和“增加智能体”这两个核心扩展维度，转化为了可度量、可预测的科学问题。这意味着：

• 不再需要凭经验猜测是否应该部署多智能体系统。
• 不再盲目地为智能体分配无限的资源预算。
• 不再将“增加智能体数量”视为解决一切问题的万能钥匙。

对于2025年的AI Agents技术开发者而言，终于有可靠的数学公式和量化模型作为决策依据——这无疑是推动领域走向成熟的关键一步。

论文链接：

• Budget-Aware Tool-Use Enables Effective Agent Scaling: https://arxiv.org/pdf/2511.17006
• Towards a Science of Scaling Agent Systems: https://arxiv.org/pdf/2512.08296