本篇是 agent cluster 里一篇罕见的"机制理论"论文：它不造框架、不发 benchmark、不优化 serving，而是问一个所有 MAS 工作默认绕开的元问题——"MAS 到底什么时候优于 SAS，为什么"[2607.16133]。相关篇按它们在这个问题上扮演的角色分四组：
关联主线：agent cluster 在 2023–2026 积累了大量"怎么搭 MAS"（MetaGPT/AutoGen）与"MAS 失败在哪"（MAST/survey）的工作，却始终缺一条把二者串起来的机制。本篇用单个不等式 $H(M_i\mid m_i)>\beta\Delta_i(m_i)$ 把"分解结构"与"relay 压缩"解耦，正是这条缺失的脊梁。
MAST 与 survey 都停在现象层：MAST 统计 41–86.7% 的失败率并编目 14 种模式 [2503.13657]，survey 罗列四轴分类 [2402.01680]，但都不预测"给定任务与模型，MAS 会不会赢"。本篇的 delta 是提出一个可证伪的符号判据：MAS 局部有益 $\iff H(M_i\mid m_i)>\beta\Delta_i(m_i)$，并把它收敛成一条随 relay 复杂度 $\delta$ 与能力 $\beta$ 移动的预测曲线 [2607.16133]。这是本 cluster 里唯一把"when MAS helps"写成闭式条件的工作。
AutoGen 实测出一个反复出现却从未被解释的规律——多 agent 对弱 backbone 增益更大（OptiGuide 安全识别：GPT-3.5 上 +35% 而 GPT-4 上仅 +8%；ALFWorld 加 grounding agent 54%→69%）[2308.08155]。本篇把这条规律从"观察"升级为"定理推论"：固定 $\Delta_i>0$ 时 $G_i^{\text{MAS}}$ 随 $\beta$ 单调递减，故强模型（大 $\beta$）增益必然更小 [2607.16133]。
互证而非矛盾：AutoGen 的 +35%/+8% 与本篇 Table 2 的"增益随能力收窄"是同一机制的两侧——AutoGen 提供外部复现数据点，本篇提供生成这些数据点的方程。这是本篇最强的 external validity 证据，恰恰来自一篇它没有正式引用的框架论文。
Reflexion 的增益随能力增强而出现（弱模型无自诊断能力→无增益）[2303.11366]；本篇的 relay 压缩增益随能力增强而消失[2607.16133]。表面看二者对 $\beta$ 的符号预测相反。
矛盾根源分析：两者作用在不同的信息操作上。Reflexion 增益来自增加信息（把失败蒸馏成 verbal lesson 注入下一 trial），需要强模型才能生成有用反思；本篇增益来自删减信息（压缩上游冗余降低下游干扰），弱模型因更怕噪声而受益更多。换言之 Reflexion 测的是"能力决定能否制造有用信息"，本篇测的是"能力决定能否消化冗余信息"——$\beta$ 在前者是"反思生成力"、在后者是"冗余利用力"。二者在各自范围内都对，共同说明"能力依赖"不是单一标量，而是随信息操作方向翻号的。这正是本篇把 $\beta$ 降解为"模型本身"而非可调超参所埋下的解释张力。
MetaGPT 用结构化 schema 把"传声筒"损耗压到最低 [2308.00352]——这是工程上构造低 $\Delta_i$ relay 的现成范例，正是本篇 §7 呼吁的"jointly optimize relay encoder"的先行实现 [2607.16133]。delta 在于：MetaGPT 不知道自己在最小化什么量，本篇给出被最小化的目标（$I(M_i;m_i)-\beta I(m_i;Y_{i+1}\mid X_{i+1})$）。
一个隐藏矛盾：MetaGPT 强依赖 GPT-4 级 backbone（Deepseek-33B 可执行性崩到 1.4）[2308.00352]，即"强模型才能跑好这套压缩式 MAS"；而本篇预测"强模型从 relay 压缩中获益更少"。根源：MetaGPT 的软件开发是 $\delta\gg0$ 任务（需精确 interface/ID），其结构化 schema 把 $\Delta_i$ 压近 0（近充分 relay），于是它落在本篇"$\delta\approx0$ 等效区"而非"高 $\delta$ 反转区"；同时 MetaGPT 相对单 agent 的增益主要来自可执行反馈+分解，而非纯压缩。两篇不矛盾，但 MetaGPT 的"强模型依赖"提醒：$\delta$ 不是任务固有常量，而是可被 relay 工程改写的变量——这是本篇把 $\delta$ 当成静态标签时的盲点。
攻击点 1 — $\beta$ 与 $\delta$ 都是定性赋值，理论在单模型粒度上不可证伪。 本篇承认 $\beta$ 是定性能力参数、$\delta$ 由任务结构分析赋值，均未定量估计 [2607.16133]。问题在于：$\delta$ 的 regime（Table 1）是在看到哪些 benchmark 翻转之后才贴的标签——WorkBench 被判 $\delta\gg0$ 与它三模型全负是同一批观察。这有事后循环风险：任何正增益都可归因"$\delta\approx0$"，任何负增益都可归因"$\delta$ 大"，理论因此难被单个实验证伪。对比 RouteLLM 用 ~1500 条 MMLU golden-label 外部校准难度信号 [2406.18665]，本篇缺一个独立于结果的 $\delta$ 估计器。
攻击点 2 — 最尖锐的证据点可能是实现 artifact，而非 IB 机制。 全文最 load-bearing 的翻转是 TravelPlanner-HC 强模型 −0.233。但本篇自己的 §C.2 揭示其微观成因是 $1400 预算作为 plan-level 全局量对所有 sub-agent 隐藏，MAS 因丢该信号产出 $1599 方案 [2607.16133]。这恰好是 MAST 的 FM-2.4(信息 withholding)/FC2 misalignment——一个可修复的 relay schema 缺陷，而非 $\beta\Delta$ 不可避免的 IB 代价 [2503.13657]。攻击：把"relay 没传全局约束"等同于"relay 信息损失是能力依赖的基本权衡"，混淆了"糟糕的 relay 设计"与"relay 压缩的理论下界"。换个会传预算的 relay，−0.233 可能大幅收窄。
攻击点 3 — 只覆盖链式拓扑，压缩-only 假设排除了信息-增性 MAS。 本篇的 relay 是 $m_i=\text{Agg}_i(M_i)$，由数据处理不等式保证 $\Delta_i\ge0$——relay 只会丢信息[2607.16133]。但真实 MAS 大量是信息-增性的：AutoGen 的 grounding agent 向下游注入常识打破错误循环（54%→69%）[2308.08155]、multi-agent debate 通过多视角产生新信息、survey 列的 decentralized/debate/competitive 四结构多数不是单向压缩链 [2402.01680]。对这些 $G_i=H(M_i\mid m_i)-\beta\Delta_i$ 直接不适用——当第二个 agent 重新推导或引入外部证据时，"下游目标信息"可能增加。本篇的框架因此只刻画了 MAS 空间里"纯压缩链"这一子集。
攻击点 4 — 等价性命题近乎同义反复。 Proposition 3.1 靠"无限带宽 + 恒等 aggregator + $X_i=\emptyset$"构造 MAS 逐区间重放 SAS [2607.16133]。这在信息论上必然成立（把整个 context 当 relay 传过去），但它构造的"MAS"退化成一个被人为切段的 SAS，不含任何真实 MAS 的并行/专精/独立上下文。"非平凡优势只来自有界压缩"这一论断因此更像定义选择而非发现——它把"分解本身有无价值"这个真问题用"$X_i=\emptyset$"直接假设掉了。消融 Table 3（SAS-Plan）试图补这个洞，但 SAS-Plan 仍是单共享上下文，没有真正隔离"分解结构"的独立贡献。
范式定位：本篇是 agent cluster 从"工程/经验时代"迈向"理论时代"的一个标志性尝试。此前该领域由两类论文主导——框架构造（MetaGPT/AutoGen/CAMEL）与经验诊断（MAST/survey/SWE-bench）；本篇试图做第三类：机制理论。它把 MAS 讨论的坐标从"加几个 agent、怎么调 prompt"迁移到"relay 保留/丢弃了什么信息"，这是一个真正的 reframing——和 Reflexion 当年把"agent 学习"从梯度重定义为"编辑文本 memory"同类的概念移动 [2303.11366]。
在证据链中的位置：它恰好嵌在 survey 挖出的空位（"scaling laws of multi-agents"缺失 [2402.01680]）与 MAST 产出的素材（1642 条失败 trace [2503.13657]）之间——survey 提出"该有一个形式化"，MAST 提供"失败的经验分布"，本篇提供"把二者连起来的方程"。三篇构成一条少见的"缺口→数据→理论"闭环。
采用证据（谨慎）：作为 2026-07 的新论文，尚无下游采用。更关键的是它自己承认 $\beta$/$\delta$ 未可操作化 [2607.16133]，这使它暂时停留在"解释性框架"而非"可用工具"——不像 MetaGPT/AutoGen 有 GitHub 实现被直接复用。它的生态位价值目前是叙事性的（给无序的经验结果一个统一语言），而非工程性的。
生态位的脆弱边：本篇把自己定位为 MAS 的通用理论，但其适用域（单向压缩链、$\Delta_i\ge0$）比它的标题承诺窄得多（见 §3 攻击点 3）。若 MAS 领域的重心继续向 debate/并行/工具-增性拓扑（AutoGen GroupChat、survey 的 decentralized 结构）倾斜，这个只建模"压缩损失"的框架会显得覆盖不足。它的长期地位取决于能否把 $H(M_i\mid m_i)-\beta\Delta_i$ 推广到信息-增性 relay。
方向 1 — 用 MAST 的 LLM-judge 定量估计 $\delta$（把经验分类变成理论度量）。 本篇最大的软肋是 $\delta$ 靠人工贴标 [2607.16133]。MAST 的 agentdash o1-judge 能以 $\kappa=0.77$ 自动标注 relay 相关失败（FM-2.4 信息 withholding、FM-1.4 history loss）[2503.13657]。把这些 failure-mode 的 trace 级 prevalence 当作 $\Delta_i$ 的经验代理，就能对任意 benchmark 测出 $\delta$ regime，而非事后猜——直接堵上攻击点 1 的循环。无人做，技术上立即可行。
方向 2 — RouteLLM 式难度分类器估计 effective $\beta$，驱动自适应 relay（本篇 §7 明确呼吁）。 本篇把"adaptive relays across heterogeneous agent teams"列为长期问题 [2607.16133]。RouteLLM 已证明可从 query 文本学出一个跨模型族迁移的难度分类器 $P(\text{win}_s\mid q)$[2406.18665]。把它改造成"按下游 worker 能力预测 effective $\beta$"，再据 $\beta$ 动态调 relay 压缩率——强 worker 收到更全上下文、弱 worker 收到更狠压缩。这把 RouteLLM 的"路由模型"思想从"选哪个模型"迁移到"选多大压缩"。
方向 3 — 学习 MetaGPT 式最小充分 schema（co-optimize relay encoder）。 MetaGPT 手工设计的结构化 schema 是低 $\Delta_i$ relay 的存在性证明 [2308.00352]。结合本篇的 $\delta_i=\min_{m_i}L(m_i)\ \text{s.t.}\ \Delta_i=0$（最小描述长度的充分 relay），可对每个子任务学习出逼近 $\delta_i$ 的 schema，而非靠人类软件工程直觉。这把 MetaGPT 的"工程契约"变成本篇目标函数下的"可优化编码器"。
方向 4 — 把 IB 从压缩链推广到信息-增性拓扑。 针对 §3 攻击点 3：当下游 agent 会重新推导或注入外部证据（AutoGen grounding [2308.08155]、debate），relay 不再满足 $\Delta_i\ge0$。一个开放方向是把 $G_i$ 扩展为 $H(M_i\mid m_i)-\beta\Delta_i+\gamma\,I_{\text{inject}}$，显式建模"第二 agent 带来的净新信息"。这会让该理论覆盖 survey 的四种通信结构 [2402.01680] 而非仅链式。
方向 5 — 把 SWE-bench 当 $\delta\gg0$ 的真实压力测试台。 SWE-bench 已独立观测到"distraction 而非缺信息限制性能、上下文塌缩到 ±15 行反而涨点"[2310.06770]——这是 $H(M_i\mid m_i)$ 收益在真实 repo 上的未受控实例，而其 localization 失败 [2310.06770] 又是高 $\Delta_i$ 的表现。在 SWE-bench 上跑本篇的三原型（SAS / SAS-contextflow / MAS），能在一个 $\delta$ 极高、长上下文的真实环境里检验 Theorem 4.1，比论文现有的 ALFWorld/WebShop 更有说服力。
方向 6 — relay 压缩与 serving 成本的联合优化（systems × theory 桥接）。 Autellix 的 program-level 调度表明 MAS 的多 call 结构直接决定 serving 成本 [2502.13965]。本篇的 relay 压缩有一个被忽略的副产品：压得越狠，下游 worker 的 context 越短 → prefill/KV 成本越低、排队越少。把 IB 目标从"$I(M_i;m_i)-\beta I(\cdot)$"扩成"再减去一个正比于 relay 长度的 serving 成本项"，就能在"任务质量"与"服务延迟"之间联合调 relay——一个无人触碰的 algorithm×system 交叉。
knowledge/L2/paper/2607.16133.mdknowledge/L2/paper/2303.11366.mdknowledge/L2/paper/2308.00352.mdknowledge/L2/paper/2308.08155.mdknowledge/L2/paper/2310.06770.mdknowledge/L2/paper/2402.01680.mdknowledge/L2/paper/2406.18665.mdknowledge/L2/paper/2502.13965.mdknowledge/L2/paper/2503.13657.md