By Unbug 
北京大学、清华大学和DeepSeek合作的一篇论文《Planner Matters! An Efficient and Unbalanced Multi-agent Collaboration Framework for Long-horizon Planning》，提出了一种非对称多智能体协作框架，通过实验发现规划是影响长程任务性能的主导因素，执行和记忆管理所需的计算资源和模型容量显著更少。
传统多智能体系统通常假设所有角色的能力需求对等，论文通过系统性消融实验推翻了这一假设。规划器负责高层决策和任务分解，执行器负责具体操作，记忆管理器负责上下文推理。三者中，规划器的能力直接决定了任务能否被正确分解和推进，而执行和记忆管理的作用相对次要。
非对称架构设计
论文的核心贡献是提出了规划中心强化学习（Planning-Centric Reinforcement Learning）方法。该方法的关键洞察是：在长程规划任务中，规划器是系统瓶颈。
具体设计如下：
仅优化规划器。论文使用基于视觉语言模型（VLM）作为裁判的轨迹级奖励信号，仅对规划器进行强化学习训练。执行器和记忆管理器在训练过程中被冻结，不参与参数更新。这种设计大幅降低了训练的计算成本，因为强化学习的主要开销集中在规划器上。
非对称模型容量。规划器使用较大的模型（如Qwen2.5-72B），而执行器和记忆管理器可以使用更小的模型（如Qwen2.5-7B甚至更小的专用模型）。实验表明，即使执行器使用显著降级的小模型，整体任务性能下降幅度远小于规划器能力下降带来的影响。
角色解耦。三个角色通过标准化接口通信，而非紧耦合的单一模型。规划器输出结构化任务指令，执行器解析并执行，记忆管理器提供历史上下文。这种解耦使得各组件可以独立优化和替换。
非对称 vs 对称架构的实验对比
论文在多个基准上进行了对称与非对称架构的系统对比：
WebArena导航任务。非对称架构使用规划器Qwen2.5-72B加执行器Qwen2.5-7B，达到了与全量Qwen2.5-72B对称架构相当的性能水平，但推理成本降低约70%。当执行器进一步降级到Qwen2.5-3B时，性能仅下降2-3个百分点。
OSWorld操作系统控制。在需要多步GUI交互的任务中，规划器的决策质量对最终成功率影响最大。消融实验显示，将规划器从72B降级到14B导致任务成功率下降超过30个百分点，而将执行器从72B降级到7B仅导致不到5个百分点的下降。
工具使用基准。在需要调用多个API的工具使用场景中，规划器负责选择正确的工具链和调用顺序，执行器负责参数构造和API调用。实验表明，规划器的工具选择准确率是任务成功的关键指标，而执行器的参数构造错误率即使达到10%，只要规划器选择了正确的工具链，整体成功率仍能保持在较高水平。
计算效率的实际意义
非对称架构的计算效率优势体现在两个层面：
训练成本。由于仅优化规划器，强化了学习的样本量和计算量大幅减少。论文报告训练成本仅为对称架构的约30%。
推理成本。在非对称架构中，执行器和记忆管理器可以使用量化或蒸馏后的小模型，推理延迟显著降低。对于Web导航等需要快速响应的场景，这种效率提升具有实际工程价值。
对Agent系统设计的指导意义
本文的实验结果对Agent系统设计有两点重要启示：
资源分配应遵循非对称原则。在构建多智能体系统时，应将主要计算资源投入到规划组件，而非平均分配给所有角色。这类似于计算机科学中常见的瓶颈分析思路——优化系统整体性能的关键在于解决最薄弱环节。
可降级性设计。非对称架构天然支持组件降级。当计算资源受限时，优先降级执行器和记忆管理器，对整体性能影响最小。这一特性使得Agent系统可以在不同算力条件下灵活运行。
