LLM代理框架中的跨组件干扰：更不一定更好
人工智能
2026-05-08 v1 计算与语言
摘要
LLM代理系统通过堆叠组件(计划、工具、记忆、自省、检索)构建，假设更多更好。我们研究跨组件干扰(CCI)：组件间相互破坏性交互导致的性能下降。我们对5个组件的所有2^5=32个子集在HotpotQA和GSM8K上进行全因子实验，分别使用Llama-3.1-8B/70B(96种情形，最多10个随机种子)。All-In系统始终次优：在HotpotQA上，单工具代理以32%的优势超越All-In(F1 0.233 vs 0.177, p=0.023)；在GSM8K上，3组件子集以79%的优势超越All-In(0.43 vs 0.24, p=0.010)。最优组件数量是任务相关的(k*=1-4)且规模敏感：在70B规模下，某些在8B规模下有害的组合提供提升，尽管All-In仍落后于最佳子集。我们拟合主效应回归(R^2=0.916, adj-R^2=0.899, LOOCV=0.872)，计算精确Shapley值，发现183/325个子模性违规(56.3%)，表明贪心选择不可靠。在工具使用、自省和检索之间发现三体协同效应(INT_3=+0.175, 95% CI [+0.003,+0.351])。CCI在Qwen2.5模型家族中可复制且对提示 paraphrasing 稳健。我们的发现表明，最大化配置的代理默认值应被取代为任务特定子集选择，需通过交互感知分析。
引用
@article{arxiv.2605.05716,
title = {More Is Not Always Better: Cross-Component Interference in LLM Agent Scaffolding},
author = {Ming Liu},
journal= {arXiv preprint arXiv:2605.05716},
year = {2026}
}
备注
10 pages, 5 tables; preprint, under review