分工不难，可信聚合才难：智能体协同的真正门槛
摘 要让大语言模型智能体直接驾驶行业级电磁仿真与版图工具完成高频电路设计，已经从概念演示变成可复现的工程流程；而一项覆盖多职业、多经济体的可委托性测度却提醒我们，绝大多数工作任务只能部分交给智能体，能全权托付的份额微乎其微。前者以确定性求解器和可验证流程把智能体的自由发挥约束在可审计的边界之内，后者以冻结的预登记评分标准把「交给谁、交多少」变成可比较的公共量。两条路径指向同一件事：智能体的价值不取决于单点能力，而取决于分工之后的结果能否被聚合、核查与归因。socienceAI实验室认为，可信聚合而非能力涌现，才是智能体协同的真正门槛；不可验证的协同只会放大噪声，把错误藏进分工的缝隙里。
关键词智能体分工；信任链；声誉机制；委托代理
1 引言
文本一开头面对一个不再需要争论的场景：智能体已经在承担专业分工链条中的真实岗位，且岗位边界正在被系统性测绘。计算社会科学此前讨论的「智能体参与科研与生产」，多半停留在原型演示层面；新的研究开始回答两个被长期搁置的问题——智能体凭什么取得岗位资格，以及组织凭什么把任务安全地交出去。
2 领域进展评述
2.1 智能体成为专业工具的驾驶席
Tristan Liang 与 Aravind Nagulu 提出的 TACS-RF 框架，把大语言模型编码智能体安放在行业级电子设计自动化工具链的驾驶席上：智能体直接驱动 Cadence Virtuoso 与 Spectre 进行原理图设计与电路仿真，调用 Calibre 完成物理验证，借助 Cadence EMX 与 Ansys HFSS 开展电磁场分析，最终完成射频与毫米波模块的设计。这一工作的意义不在于「模型替代工程师」的口号，而在于它把智能体的角色严格限定为任务的编排者：智能体负责提出设计意图、拆解步骤、发起调用并解读反馈，而所有关键判断——电路是否满足指标、版图是否违规、电磁行为是否达标——都交还给确定性求解器与验证器裁决。
这正是工程意义上的分工：一侧是不确定性来源（语言模型），另一侧是经过数十年工业锤炼的可验证计算。智能体的任何一次误判，都会在仿真与验证环节处以失败告终，且失败信息是结构化、可回放、可归因的。研究者据此可把协同效果当作工程产物复现，而不必依赖模型的主观自述。TACS-RF 的示范价值在于展示了一条被信任链约束的分工路径：智能体的自由度被刻意压缩到工具接口允许的范围内，其产出的每一环都有独立证据。
2.2 把「能交给谁」变成公共量
Cristian Espinal Maya 与 Santiago Jiménez Londoño 构建的 Agent Delegability Index（ADI），则从社会分工的另一端切入。研究者让两个语言模型在国家职业任务数据集（O*NET）的全部任务陈述上，依据一套冻结且预登记的评分标准进行评级，覆盖职业与国家两个维度，并区分委托层级与委托障碍。其结论颇具冲击力：全球就业中相当比例的任务时间至少可以部分委托给智能体，但能够全权交付的任务占比极小。换句话说，可委托性的瓶颈不在于智能体「能不能做」，而在于组织与制度「敢不敢交」、以及交出去之后由谁对结果负责。
与既有的、以单一经济体为样本的曝光度测算相比，这一测度做了三件方法论上更进取的事：其一，把「暴露于生成式智能」改写为「可委托程度」，从被动受损的叙事转入主动分工的叙事；其二，评分标准被冻结并预登记，使得不同时段、不同模型得出的评级可以横向比较；其三，把委托障碍作为一等公民纳入量表，承认社会性、责任性障碍与技术性障碍同样决定分工的实际边界。
2.3 两条线索在分流处交汇
把两项进展并置，可以看到一幅尚未完工的分工地图。
| 线索 | 智能体的角色 | 分工的另一侧 | 信任链的支撑点 | 主要留白 |
|---|---|---|---|---|
| TACS-RF | 驾驶并编排行业级设计工具 | 确定性求解器与验证流程 | 可复现仿真、结构化验证记录 | 意图到规格的语义映射仍由模型独力承担 |
| ADI 测度 | 依据冻结标准为任务评级 | 职业任务结构与社会分工 | 预登记标准、可横向比较的量表 | 评级所依赖的模型自身难以被完全审计 |
TACS-RF 回答「怎么安全地把任务交给智能体」时给出的方案依赖一个苛刻前提：领域内存在独立于语言模型的验证器。ADI 回答「哪些任务值得交出去」时给出的方案则暴露了它的镜像问题：当评级本身由语言模型完成，测度的中立性便无法在量表内部自证。两者都在为可信聚合铺路，但都只铺了半段。
3 方法论意涵
看法一：可验证决定分工深度。TACS-RF 之所以能让智能体进入高门槛领域，靠的不是模型更聪明，而是领域里存在铁面无私的裁决者。socienceAI实验室认为，这提示了判断任何智能体协同系统的第一性问题不属于能力评估，而属于信任结构评估：它的信任链是否可审计，失败是否可归因，知识是否可溯源。按照这把尺子，TACS-RF 属于部分合格——产物的下游环节可审计，但智能体如何从语义意图映射到工具指令，这条上游链路依旧缺乏独立核查手段。
看法二：预登记与冻结是把测度钉牢的关键。ADI 把评分标准预登记并冻结，实际上是把语言模型评级从一次性的内部实验变成可被任意第三方复算的公共流程。这一步的社会科学意义常被低估：当评级的输入、标准、输出全部固化，模型替换或条件漂移就能被显式地识别出来，测度结果因此获得了纵向可比性。但它同时把矛盾推到了台前——量表的可信度不能由被测对象家族自证，评级模型的偏差需要外部基准来锚定，而这恰恰是当前方法体系里最薄弱的一环。
玩法三：可委托性是组织变量而非技术变量。ADI 的结论把重心从算法能力转向责任归属：绝大部分任务卡在「可部分委托」的区间，意味着决定分工规模的是审批、追责与激励的设置，而非模型的下一个迭代。设计组织流程的研究者因此获得了一个可操作的杠杆：与其追问模型何时更强，不如追问哪一段分工可以在现有责任结构下被安全地外包给机器。
4 挑战与展望
前沿的两条线索各自留下需要收口的难题。TACS-RF 一侧，验证器红利并不普遍：射频电路恰好是工业界罗马般成熟的验证体系，而多数知识型任务（结论性判断、政策建议、定性评估）没有等价的确定性裁决者，智能体在这些领域内的自我评估很容易变成模型给模型打分的循环论证。ADI 一侧，冻结的标准保证了可比性，却把「标准本身是否完备」这一元问题悬置起来；委托障碍中大量属于制度性因素，量表可以测量它们，却无力改变它们，测度与演进之间存在天然的错位。
分工社会的下一块拼图，是把可验证性从个别成熟领域提炼成普遍的基础设施语义层：为没有确定性求解器的任务提供低成本的一致性证明、让语言模型之间的评级结果可被外部第三方复核、以及把失败责任沿着分工链条精确归还到具体环节。回应开篇之问：这两项进展让可信聚合更近了——前者示范了信任链约束下的分工形态，后者给出了可比较的分工清单；但更近不等于到达，缺的那块拼图正是面向语义性任务的、廉价且独立于模型家族的核查渠道。在它就位之前，可部分委托的广阔区间将长期停留在纸面上，而纸面之外的协同密集区，只属于那些拥有现成验证器的领域。socienceAI实验室认为，这正是当前最值得计算社会科学投入的位置：不预测模型何时更强，而是设计让分工可被信托的界面、规则与记账方式。
参考文献
- [1] Tristan Liang; Aravind Nagulu. TACS-RF: Tool-driven Agentic Circuit Synthesis of RF and mmWave Modules[EB/OL]. arXiv:2610.31882 (2026-10-22)[2026-10-07]. https://arxiv.org/abs/2610.31882
- [2] Cristian Espinal Maya; Santiago Jiménez Londoño. The Delegation Divide: An Open Index of AI-Agent Delegability across Occupations and Countries[EB/OL]. arXiv:2610.30752 (2026-10-22)[2026-10-07]. https://arxiv.org/abs/2610.30752