谷歌TUMIX：通过多Agent工具混合提升大模型推理能力

谷歌的论文(TUMIX: Multi-Agent Test-Time Scaling with Tool-Use Mixture)提出了工具使用混合（TUMIX），利用多样化的工具使用策略来改进推理能力。论文展示了如何通过并行运行一系列多样化的agent（纯文本、代码、搜索等）并让它们在几轮中共享笔记，从而从大语言模型中获得更好的推理能力。它不是暴力地增加更多样本，而是混合策略，在有信心时停止，最终既更准确又更便宜。

图片

混合不同的agent，而不仅仅是更多同一种agent：他们运行了15种不同的agent风格（思维链、代码执行、网络搜索、引导变体等）。每个agent都能看到问题和其他agent过去的答案，然后再次尝试。这种来回交互使群体比任何单个agent都更聪明。

图片

提前停止，节省成本：更多轮次并不总是有帮助。过度优化可能会扼杀多样性。他们使用LLM判断器来决定何时停止。这既保持了高准确率，又将成本削减了近一半。

图片

优于现有方法：与其他工具增强的扩展技巧相比，TUMIX在困难的推理基准测试（HLE、GPQA-Diamond、AIME）上始终得分更高。对于Gemini-2.5 Pro，它将HLE推高至34.1%，这是一个显著的提升。

图片

多样性是秘密武器：结合文本、代码和搜索agent优于重复采样最佳单一agent。更多样化的工具使用=更多机会找到正确的推理路径。

自动agent设计：他们甚至让LLM生成新的agent类型并将其混合进去，这进一步提升了结果。最佳组合点约为12-15种不同的agent风格。

本文转载自​​​​AI帝国​​​​，作者：无影寺