同一个需求让 AI 跑两遍，结果差好多，多智能体到底靠不靠谱？
最近测多智能体系统发现个吓人的事：同一道题、同一个配置、同一时刻并发跑四份，得分从 0.28 到 1.00，耗时 215 秒到 638 秒。这随机性也太大了。生产环境里这种表现怎么敢用？有没有什么办法把 AI 干活的方差压下来？
同一个需求让 AI 跑两遍，结果差好多，多智能体到底靠不靠谱？——结论速览
- 问题核心：让 AI 编排任务跑两遍，一次满分一次零分，耗时还差 3 倍。这种不稳定性正常吗？怎么让 AI 干活有可复现性？
- 同题同配置得分 0.28→1.00 的跨度，根源在编排链上的自由决策环节：任务拆解、子任务调度、结果汇总——每一步都是模型自由发挥，方差就乘起来了。压方差的招：1. 能静态规划的别动态拆：路径可预先确定的任务（导表格、生成周报、固定格式转换
- LLM 本身就有采样随机性，但你说的这个跨度不是模型的问题，是编排层的问题——任务怎么拆、谁先谁后，全是模型自由发挥。
- 我们内部测试也是，同一需求两次生成的方案结构都不一样，汇报都没法截图。
延伸问答
问：同一个需求让 AI 跑两遍，结果差好多，多智能体到底靠不靠谱？？
答：同题同配置得分 0.28→1.00 的跨度，根源在编排链上的自由决策环节：任务拆解、子任务调度、结果汇总——每一步都是模型自由发挥，方差就乘起来了。压方差的招：1. 能静态规划的别动态拆：路径可预先确定的任务（导表格、生成周报、固定格式转换
以上问答整理自本站讨论区（原帖），持续更新。