9 月 29 日提交的论文 From Solo to Social Learning: Characterizing Recursive Social Improvement in LLMs（arXiv 2609.38516）问了一个很刁钻的问题：当一群智能体各自维护技能文件、还能互相抄作业，整个群体会不会比单干更强？答案出人意料——抄同伴能让学习更高效，却还没有让它更有效，而且会把群体的独立发现越收越窄。这对正在设计多智能体学习系统的人，是一记及时的冷水。
背景：自我改进遇上了同伴学习
让大模型智能体自己改写着自己遵循的指令、彼此协作解难题，已经是常态。但自我改进方法通常一次只优化一个系统，多智能体框架又往往让每个模型奔着同一个共享目标。论文换了个角度：如果每个智能体只追自己的回报，且能改写技能、自主选择是否抄谁、何时抄，群体整体能不能因此变强？它把这种能力称为递归社会改进，并在受控环境里做了实验。
实验：共享一个令牌预算的种群
研究者让一群智能体各自持有技能文件，并把「独立搜索、向同伴学习、实际行动」三件事放进同一个令牌预算。每个智能体可以决定要不要抄、抄哪个同伴、什么时候抄，也会写与改自己的技能。当模型开始观察同伴，它们改进的方式变了：一个模型因此更早找到有用的技能，另一个则把精力从私有搜索里省下来。表面看是正向的——知识在群体里流动起来了。
发现：高效，却还没更有效
但细看数字，反直觉的地方来了。三个被测大模型在引入同伴学习后，每令牌拿到的回报反而低于单干；它们要么探索太窄，要么把令牌花光了才行动。技能被不断复制、改写、传递，导致群体的独立发现越来越集中在少数来源。论文的结论写得很克制：抄同伴能降低学习的成本，却没有在相同代价下超过独立学习者。效率和有效性，在这里是两件不同的事。
为什么值得写：给多智能体学习泼盆冷水
把这篇和近期多智能体推理的热潮对照，它的增量认知很实在：社会学习不是免费午餐。一方面，它提示工程上别盲目开「互相抄技能」的开关，以为群体一协作就自动变强；效率提升可能只是把探索省掉了，而探索恰恰是发现新解的来源。另一方面，技能趋同是个隐性风险——当大家都从同一小撮发现里派生技能，群体对失败模式的覆盖反而变薄，鲁棒性可能下降。这对做 agent 协作框架的人，是设计层面的提醒。
一个可落地的设计提醒
对今天就在用多智能体协作的团队，这篇论文给的提醒很具体：开同伴学习前，先想清楚你要的是省成本还是更强的能力。如果只是想压低推理开销，抄技能确实能凑效；但如果指望群体因此更会解题，就要给独立探索留预算、给技能来源留多样性，否则省下的探索可能正好是被丢掉的那部分创造力。换句话说，社会学习是一把需要调参的旋钮，不是默认开启就更好的开关。
边界：受控环境，不是生产结论
需要说明，实验在受控环境里进行，模型与任务都经过筛选，不能直接搬成「生产环境里多智能体必踩坑」的断言。论文本身也在探索「让技能传递更有益」的方向，而非全盘否定社会学习。更稳妥的读法，是把它当作一张待验证的清单：开同伴学习前，先想清楚你要的是效率还是有效性，以及要不要给探索留出预算、给技能来源留出多样性。
结语
From Solo to Social Learning 给多智能体学习泼的这盆冷水，价值正在于它没被「群体智能必然更强」的叙事带跑。当智能体开始互相教、互相抄，真正的难点不是让知识流动起来，而是让流动不把群体困进更窄的发现里。