# 斯坦福与 Together AI 论文中，三模型自组织团队平均得分 66.7%

DAIR.AI 报道，斯坦福与 Together AI 的一篇论文发现，o3-mini、Claude Sonnet 4 与 DeepSeek-V3 组成自组织团队，在五项数学与物理基准测试中平均得分为 66.7%，高于最强单模型单独作答的 48.8%，也高于完美路由器的 59.0%。

Language: zh-CN
Time zone: Asia/Shanghai
Current time (UTC, cached as of): 2026-11-10T05:22:00.000Z
Query date (Asia/Shanghai): 2026-11-10

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

Content language: zh-CN
Localization state: translated

来源：DAIR.AI · 发布于 2026/9/23 23:10:42

DAIR.AI 报道，[斯坦福与 Together AI 的一篇论文](https://academy.dair.ai/papers/self-organizing-agent-teams-learn-to-reason-together-2609.22682)测试了由 o3-mini、Claude Sonnet 4 与 DeepSeek-V3 组成的自组织团队。在五项数学与物理基准测试中，该团队平均得分为 66.7%。最强单模型单独作答得分为 48.8%，在各成员独立答案中择优的完美路由器得分为 59.0%。

在 AIME 2026 上，该团队达到 71.2%，比该路由器高 13.4 个百分点。一名成员回顾团队此前的交流并重写协作策略，涵盖角色、讨论阶段的顺序、参与者，以及如何合并部分答案。这些策略从 15 道 AIME 2024 题目中学习，随后不加改动地用于留出的 AIME 2024 题目和四项新基准测试。

Tags: AI 研究, 多智能体, 基准测试, 斯坦福, Together AI

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