在智能体之间添加更多通信路径并不一定能提升多智能体性能。一项跨50次运行的可控、可复现实验表明，恢复率在20%至100%的关系密度下保持 remarkably 稳定。然而，随着网络变得更加稠密，实际使用的边的比例急剧下降——暴露了已配置连接性与行为连接性之间的差距。
作者构建了一个隔离关系密度与其他混淆变量的可控实验，使用完全确定性的智能体策略而非实时模型调用。研究发现，更多的通信路径并不自动意味着更好的性能。真正的工程问题不是有多少连接存在，而是有多少连接实际承载信息。
该实验使用固定的八个智能体，并评估五个密度级别（20%、40%、60%、80%、100%），每个级别进行十次试验。所有数据均来自 Python 3.12 上的真实基准运行，仅使用 CPU，零外部 API 调用。该系统使用已连接的 Erdős–Rényi 随机图，没有隐藏的中心节点或手动调整的规则。
本项工作面向那些凭直觉选择多智能体拓扑的人群。完整的代码和预先指定的测试协议可在 GitHub 仓库中获取，以便精确复现。
关键实体：公司：Towards Data Science
来源: Towards Data Science · 由HeadlinesBriefing整理摘要