你有没有这种感觉——给 AI Agent 加了更多工具、让它多跑几轮、给了更多 token,结果反而不如直接问一次?

我最近读了一篇哈工大的最新论文,它用严谨的实验证明了这件事,而且给出了一个很反直觉的结论:

Agent 的性能,不取决于你花了多少 token,而取决于这些 token 产生了多少「有效反馈」。

01 先说结论

这篇论文提出了一个叫 EFC(Effective Feedback Compute,有效反馈计算量) 的概念。

简单说就是:不是所有 Agent 跟环境交互产生的反馈都有用。一个反馈只有在同时满足四个条件时才算「有效」:

◆ 信息量大(不是废话)

◆ 来源可靠(不是瞎编的)

◆ 不重复(之前没听过)

◆ 能影响后续决策(Agent 真的用上了)

四个条件是乘法关系——任何一个维度挂零,这条反馈就等于白给。

打个比方:开会的时候,一个人说了十分钟,但说的全是已经知道的信息(不重复性=0),那这十分钟就是浪费。另一个人只说了一句关键信息,而且大家听进去了、改变了方案——这才是有效反馈。

Agent 也一样。

02 最狠的实验:同花 1000 token,成功率差 3 倍

论文里有一个实验特别精彩。

研究者控制了完全相同的 token 预算、相同的工具调用次数、相同的耗时,唯一不同的就是反馈的质量。

结果:

低质量反馈组:成功率 27%

高质量反馈组:成功率 90%

同样的计算量,差距超过 3 倍。

这说明什么? Agent 不笨,是反馈喂错了。

就像给一个人看 100 条垃圾信息和给一个人看 10 条精准信息,后者效率远高于前者。

03 传统指标为什么不行?

我们平时评估 Agent 效率,习惯看这些:

• 用了多少 token

• 调了多少次工具

• 跑了多长时间

• 花了多少钱

论文测了所有这些指标,用 R² 来衡量它们预测 Agent 成功率的能力(越接近 1 越准):

Token 数 → 0.33

工具调用次数 → 0.42

耗时 → 0.37

总成本 → 0.38

EFC → 0.94

EFC / 任务难度 → 0.99

Token 数只能解释 33% 的性能变化,而 EFC 能解释 94%——如果再考虑任务本身的难度,可以到 99%。

更夸张的是在真实场景(混合了代码、终端、Bug 修复任务)里,传统指标全部负分——比瞎猜还差。EFC 依然稳在 0.92。

04 七种 Agent,谁是赢家?

论文设计了 7 种不同的 Agent 框架,从简单到复杂:

H0:直接回答,不调工具

H1:加了检查清单

H2:能选择性地调用工具

H3:有记忆,不重复犯错

H4:预算拉满,但路由差、验证弱、记忆烂

H5:完整闭环:路由 + 验证 + 记忆

H6:深度闭环,更强的反馈机制

H4 是最关键的对照。

如果性能由计算量决定,H4 预算最高,应该最强。但实际上 H4 表现很差——因为它虽然花了很多 token,但产生的反馈质量低、重复多、没被记住。

砸钱不能解决所有问题,这句话在 Agent 时代依然成立。

05 三个实操启示

读完这篇论文,我觉得对做 Agent 的人有三条直接可用的建议:

  • 1. 优化路由比堆预算重要

路由质量对效率的提升最大(+0.28)。Agent 能不能选对工具、问对问题,比多调几次工具重要得多。

  • 2. 加强验证,少走弯路

验证强度排第二(+0.22)。Agent 每做一步,如果能有可靠的方式验证对不对,就能避免把错误往下传。

  • 3. 管好记忆,别重复犯错

记忆保真排第三(+0.20)。Agent 能不能记住之前试过什么、哪里失败了,直接影响后续决策的效率。

还有一个容易被忽略的发现:没有万能最优的 Agent 框架。论文发现在代码任务上 H5/H6 最强,但在 Bug 修复任务上反而简单的 H0/H3 更好。不同任务需要不同的设计。

06 写在最后

这篇论文的标题叫「Scaling Laws for Agent Harnesses via Effective Feedback Compute」,来自哈尔滨工业大学,2026 年 5 月发布。

它改变了我对 Agent 优化的认知:不是花更多计算,而是让每一份计算都变成有用的反馈。

就像高效的团队不是因为加班多,而是因为每次沟通都在推进事情。

Agent 也一样——让它说的每一句话都有信息量、有依据、不重复、且能指导下一步行动。

这才是 Agent 真正的 scaling law。

论文链接:https://arxiv.org/abs/2605.29682

往期推荐:

CLI-Switch:Agent 调用 Claude Code / Codex 的正确姿势

用了两个 AI Agent 一周,我决定两个都留着

当技术不值钱了,我们靠什么活着?

看到这里了,如果觉得不错:

点个「赞」,让我知道你在看

点个「在看」,分享给更多朋友

点个「转发」,帮助更多人

加个「星标⭐」,第一时间收到推送

论文与延伸阅读