# 史丹福與 Together AI 論文中，三模型自組織團隊平均得分 66.7%

DAIR.AI 報告指，史丹福與 Together AI 的一篇論文發現，o3-mini、Claude Sonnet 4 與 DeepSeek-V3 組成自組織團隊，在五項數學與物理基準測試中平均得分 66.7%，高於最強成員單獨作答的 48.8%，以及完美路由器的 59.0%。

Language: zh-HK
Time zone: Asia/Hong_Kong
Current time (UTC, cached as of): 2026-11-10T06:08:00.000Z
Query date (Asia/Hong_Kong): 2026-11-10

HTML: https://didcodexreset.com/zh-hk/news/a1d85ec69a8d459ea83b130d.html

Content language: zh-HK
Localization state: translated

來源：DAIR.AI · 發布於 23/9/2026 23:10:42

DAIR.AI 報告，[史丹福與 Together AI 的論文](https://academy.dair.ai/papers/self-organizing-agent-teams-learn-to-reason-together-2609.22682)測試了 o3-mini、Claude Sonnet 4 與 DeepSeek-V3 組成的自組織團隊。在五項數學與物理基準測試中，團隊平均得分 66.7%。最強成員單獨得分 48.8%，而在各成員獨立答案之間作選擇的完美路由器得分 59.0%。

在 AIME 2026 上，團隊達到 71.2%，比該路由器高 13.4 分。其中一名成員檢視團隊較早的交流並改寫協作策略，涵蓋角色、討論階段順序、誰參與，以及如何合併部分答案。這些策略從 15 道 AIME 2024 題目學習而來，其後不作改動，套用到留出的 AIME 2024 題目及四項新基準測試。

Tags: AI 研究, 多智能體, 基準測試, 史丹福, Together AI

[查看主帖原文](https://x.com/dair_ai/status/2102776257687781501)