智能体系统即压缩器：以比特量化系统智能

大语言模型正从孤立预测器转为智能体系统：它们调用工具、检索证据、服从环境约束、使用验证器——并经搜索与多轮交互完成任务。我们采用“压缩即智能”的分析视角：在固定任务分布、接口与算力预算下——更强的智能体系统让目标对象以更少比特被重建。我们以算术编码、种子编码与回退操作化该度量——并在五种设定中评估：倒序文本、国际象棋走子、蛋白序列、检索增强问答与语义故事压缩；在全部设定中智能体组件缩短码长。这些小型受控实验覆盖真实智能体系统的典型组件类型——表明码长可以分析组件、观察者与预算如何改变残余不确定性——并为评估真实智能体系统提供指导。