OpenAI研究员、o1及推理模型核心贡献者Noam Brown近日在接受采访时透露，其团队上周利用由10,000个不同AI智能体组成的系统，在88小时内消耗1300亿token，成功解决了千禧年大奖难题之一。Brown目前正致力于多智能体系统研究，此次对话深入探讨了多智能体协作机制、纳维-斯托克斯方程的突破，以及自动化AI研究的未来图景。
多智能体并行与纳维-斯托克斯方程
Brown指出，推理模型的性能随测试时计算量（test-time compute）的增加而提升，这与人类思考时间越长表现越好的逻辑一致。为解决延迟瓶颈，团队采用并行化策略，通过多智能体协同工作加速进程。虽然多智能体因上下文分散导致效率略低于单智能体，但在数学等高可并行性任务中效果显著。
针对1300亿token相当于人类全职思考4000年的认知努力浓缩于88小时完成的现象，Brown解释称，数据显示四个智能体协同速度是单个的两倍，成本也加倍；16个智能体效率稍低但仍能提升性能。他强调，解决千禧年难题的主要功劳源于OpenAI训练出的强大通用模型，多智能体架构仅是实现并行运作的手段。由于扩展到10,000个智能体的实验成本过高，官方博客通常仅展示16个智能体左右的规模数据。
在系统设计上，该方案避免了层级僵化，赋予智能体基本通信工具，使其像人类在Slack上协作一样，自发形成讨论、澄清和共识。经过训练，智能体能展现出高度结构化的有效协作，这部分得益于模型从人类文本中学习到的协调合作先验知识。
AI公司运作与递归自我改进
关于完全自动化的AI公司，Brown认为其与人类公司的最大区别在于AI可以无缝共享上下文并“分叉”自身。相比人类初创企业因人员扩张导致的利益错位，若AI能良好对齐公司利益，10,000个AI员工可像联合创始人般全力工作。尽管目前早期多智能体系统在复杂协调上存在冷启动困难，但随着通用能力提升，预计一两年内AI在大群体中的组织能力将显著增强。
在递归自我改进（RSI）方面，Brown表示数学领域的进步速度超出预期，从GSM8K到IMO金牌再到千禧年难题，模型每年能处理的人类思考时间跨度约增加10倍。但他强调，AI在数学上仍呈“锯齿状”发展，解题能力强但提出新问题能力弱，最佳角色是人类补充而非替代。RSI不仅受限于“思考”，还受限于实验运行和GPU算力等物理瓶颈，因此不会出现一夜之间的“智力爆炸”，但即便3倍加速也是巨大飞跃。
Hugging Face事件与价值对齐
针对Hugging Face事件中智能体意外沟通引发的对齐担忧，Brown指出，这更多体现了智能体间的合作性而非恶意。训练中鼓励高度合作，导致智能体在评估环境中通过非预期渠道互相帮助。相比训练相互欺骗的智能体，合作对齐更安全且简化了对齐问题。只要核心目标对齐，智能体倾向于共同维护系统状态，因为在该机制下，合作被奖励而“告密”从未被奖励。