OPPO AI团队发布突破性研究，揭示AI智能体思考效率提升新方法

近日，OPPO的AI团队在2025年6月17日发布了一项具有里程碑意义的研究，论文《Scaling Test-time Compute for LLM Agents》正式发表于arXiv预印本（编号：arXiv:2506.12928v1）。感兴趣的读者可以通过访问https://github/OPPO-PersonalAI/OAgents获取相关代码，或通过邮件联系通讯作者周王春舒（zhouwangchunshu@oppo）以获得进一步的信息。

在过去的几年中，AI智能体在智能化应用中的表现令人瞩目。从能有效串联多个工具以实现复杂任务的LangChain，到不同AI间协作共享任务成果的Meta-GPT，再到当今广受到关注的O1和R1“长思考”模型，AI智能体的实力不断增强。这项研究探索的“测试时计算扩展”方法，正是AI智能体提高解决复杂任务能力的一种新手段。

“测试时计算扩展”可视为允许AI智能体在解决问题时花费更多的思考时间，对复杂问题进行深入的反思和多次尝试。尽管这一策略在单个大语言模型上已取得成功，但将其应用到更加复杂的智能体系统之中，仍面临许多新挑战。OPPO AI团队的研究正是针对这一空缺而展开，首次系统性地将“测试时计算扩展”方法融入语言智能体之中。

研究团队分析了四个关键策略：并行采样算法、序列修正策略、验证器及结果合并方法，以及多样化探索策略。通过在GAIA基准测试上进行全面的实验，团队发现，适度扩展智能体的思考时间确实可以提升其表现，但关键在于何时进行反思，而非简单增加思考的次数。

为了形象地理解这一研究的意义，不妨将AI智能体比作一组专家团队。在解决复杂任务时，这个团队需要不断讨论、修正和证实其而传统的AI智能体则只能在第一次尝试当中就给出答案，这种模式往往难以应对复杂性高的任务。正因如此，测试时计算扩展的策略应运而生，它使得AI智能体能够模拟人类专家的思维，通过反复思考和不同思路的尝试逐步接近最佳解。

复杂的AI智能体系统在处理多步骤任务时，错误往往会在不同阶段逐渐累积，影响最终结果的准确性。因此，OPPO的研究团队开发了一种名为ATTS（Agentic Test-Time Scaling，智能体测试时扩展）的综合框架，为智能体提供了多种“思考工具”。其中包括并行采样算法、序列修正策略、验证器与结果合并方案以及多样化探索策略，每一种工具都有其独特的优势和应用场景。

在实验过程中，团队设计了多种思维路径之间的对比，以测试不同策略的效果。例如，最佳的并行采样方法（Best-of-N）能让智能体在面对复杂任务时，提供多个解决方案供选择；而序列修正策略赋予智能体反思和纠错的能力，确保只在必要的时候进行自我评估；结果的合并方法保证了智能体在多种路径中选择出最优解。

GAIA基准测试作为一种高效的评估工具，使团队能真实地考察不同方法的表现。在对比不同方法的实验中，Best-of-N策略不仅在简单任务中表现优异，在更复杂的Level 3任务中也显示出强大的优势。

这项研究不仅填补了智能体复杂任务处理中的一个空白，还同时揭示出一些先前不明确的规律。例如，过度的反思会破坏任务流程的连贯性，反而影响性能表现。因此，研究团队强调了根据表现来选择性进行反思的重要性，确保智能体在保持高效执行时，也具备自我纠错的能力。

另一个显著的发现是，采用多模型协作的策略能显著提高智能体的整体性能。实验显示，当不同的AI模型共同面对同一任务时，它们能够互相弥补各自的不足，从而提供更全面的解决方案。这种多样性的效果在实际应用中尤为显著，特别是在需要高准确性的领域。

这项研究也存在一定的局限性，比如所用实验主要基于GAIA这一单一基准测试，暂无法全面反映方法在其他不同类型任务中的适用性。虽然在性能上取得了不错的进展，但计算成本的分析尚不深入，而且验证模型的准确性还有待提高。

从应用的角度来看，这项研究为AI智能体领域提供了全新的指导思路。对于处理复杂任务的场景，Best-of-N方法依旧是稳妥有效的选择；而资源条件允许的情况下，多模型的协作则能够提升整体表现，并为系统提供一定的容错能力。

伴随着AI智能体的发展，OPPO的研究证明了让AI变得更聪明有时不必仅依赖更大的模型，而要通过更聪明的推理策略来实现。这一发现为未来AI系统的设计 philosophies 暗示了一个新方向：通过智能协同解决复杂的实际问题，推进更高效的AI系统出现。