**自组织智能体团队学会「一起推理」，跨基准准确率提升至 66.7%**

_Self-Organizing Agent Teams Learn to Reason Together_

> 现有 AI 智能体团队多依赖固定协议、显式任务分解或路由，难以应对解题结构未知的场景。论文提出自组织智能体团队（SAT）：固定成员团队从以往协作中学习可复用策略，动态组织角色、对话阶段、参与方式与信息流向，实现「协作计算」——智能体交换、质疑、修补并综合各自的局部推理，得出任何单一成员都无法独立得到的答案。研究仅用 15 道数学题和 25 道研究生水平知识题学习团队协作策略，策略可原样迁移到未见基准。在五个数学与物理基准上，自组织团队平均准确率 66.7%，而最强单成员为 48.8%，该成员等算力推理为 58.7%，对成员独立答案的理想路由为 59.0%；在 AIME 2026 上比该路由高出 13.4 个百分点。研究进一步发现，跨八个基准的增益与组织心理学中的「可证明性」（团队能否区分正确与错误推理）高度相关（Spearman ρ=0.90，p=0.005）：当正确推理一旦出现即可被识别时，团队收益最大。这表明组织能力本身可成为一种智能体能力。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-24 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.22682)