什么是 MoA？
MoA（Mixture of Agents，混合智能体）是 2024 年由 Together AI 和上海交大等机构联合提出的一种多模型协作方法。MoA 的核心思想是借鉴 MoE（混合专家）的思路——让多个"助手"AI 模型分别从不同角度回答问题，再由一个"聚合"AI 模型综合所有回答，生成一份更全面、更准确的最终答案。
MoA 的工作流程
第一层：多模型并行生成。将用户问题发送给多个不同的"助手模型"（如 GPT-4o、Claude 3.5、Gemini 等），每个模型独立的生成回答。
第二层：模型作为聚合器。将助手模型的所有回答作为上下文输入给"聚合模型"（可以是一个更强的模型），让聚合模型参考所有回答，综合各方优势，生成一份最优的最终答案。
多层嵌套：MoA 可以扩展为多层架构——每一层的输出作为下一层的输入，通过"模型作为聚合器"的方式逐层优化。
MoA 的效果
研究表明，即使使用开源模型（如 Qwen、LLaMA）作为助手和聚合器，MoA 架构在 AlpacaEval 等基准上超越了 GPT-4。这说明"多个中等模型协作"可以超过"一个超级模型单干"的效果。MoA 是低成本提升 AI 回答质量的有效策略。