Related articles
想象一个场景：你让三个 AI 助手协作完成一道数学题。
传统做法是——第一个 AI 把解题思路 「写」 出来，第二个 AI「读」 完再写新的思路，第三个 AI 再 「读」 再 「写」。
这个过程，就像三个人轮流用对讲机传递信息，每次都要先把脑子里的想法 「翻译」 成语言，对方再把语言 「翻译」 回想法。慢不慢？慢。费不费？费。更要命的是，这种 「翻译」 过程会丢失信息——你脑子里想的，和你说出来的，往往不是一回事。
这就是当前多智能体 AI 系统面临的核心困境：「语言税」。
而最近，UIUC、斯坦福、英伟达、MIT 联合提出了一种新思路——RecursiveMAS。它让 AI 们跳过 「说话」 这一步，直接用 「思维」 沟通。在实测中，推理速度提升了 2.4 倍，Token 消耗削减了 75%。
（研究指路：https://arxiv.org/abs/2604.25917）
AI 开会的困境：效率都浪费在了 「说话」 上
过去两年，多智能体系统已经成为 AI 领域最热门的研究方向之一。从 OpenAI 的 Swarm 到微软的 AutoGen，从 LangGraph 到 CrewAI，各家都在探索如何让多个 AI 协同工作以解决单个模型无法独立完成的复杂任务。然而，在这些系统中，多个智能体的协作效率始终被一个基本假设所制约——智能体之间必须通过自然语言文本来交流。
当你让一个 「数学专家」 和一个 「代码审查员」 协作时，整个流程看起来很 「合理」，但拆解开来会发现问题很多：
每一次信息传递，都伴随着双重转换：内部思维→文字→内部思维。这个过程消耗的 token 不仅是金钱，更是宝贵的计算资源和时间。更关键的是，这种 「写出来再读进去」 的过程会丢失信息——模型在文本解码时被压缩进文字的丰富语义，下一个模型重新解码时已经无法完全还原。在一个包含五个 Agent 的工作流中，文本编解码的时间开销往往占到总延迟的 60% 以上。
更让人头疼的是，这种范式始终缺乏一个清晰的 「旋钮」 来做系统性优化——增加更多智能体？边际效益递减，且通信开销指数级增长。增加上下文窗口？Token 成本爆炸。增加模型参数？单个 Agent 变强了，但协作效率并没有本质提升——类似于给一群人每人配了更好的对讲机，但他们依然要逐个念文字，沟通方式没变，就算每个人都更聪明了，整体效率也无法有突破。行业内的应对方案，无论是提示词工程还是 LoRA 微调，都只能在一定程度上缓解症状，无法根治这个根本性的架构问题。
RecursiveMAS：用 「心灵感应」 替代 「对讲机」
RecursiveMAS 的核心思路非常巧妙：既然语言是瓶颈，那就不用语言。
它借鉴了递归语言模型 （Recursive Language Model） 的思想。在传统语言模型中，数据从第一层流向最后一层，线性前进，层数越多，参数越多；而递归语言模型反其道而行——不增加层数，而是把同一组层反复循环使用，让数据在层之间来回 「打转」。数据每经过一次这组层，就相当于多了一轮 「思考」，推理深度得以加深，但参数量却不需要增加。
RecursiveMAS 把这个思路从 「单模型内部」 扩展到了 「多智能体系统」：
每个智能体就像递归语言模型中的一层，它们不再生成文字，而是传递 「思想」——一种连续的、存在于潜空间 （latent space）中的向量表征。
研究者们用了一个诗意的比喻：「agents communicating telepathically as a unified whole」——智能体们像心灵感应一样作为一个整体协作。
具体来说，Agent A1 处理后把自己的隐表征传给 Agent A2，A2 处理后再传给 A3……直到最后一个 Agent 处理完，其隐输出又被直接回传给 A1，开启新一轮的递归迭代。整个过程完全在隐空间中进行，只有到了最后一轮的最后一个 Agent，才将最终的隐表征解码为文本输出。这就好比一群专家围坐一桌，不用说话，不用写笔记，每个人只需默默思考，然后直接把自己脑中的 「思维成果」 传给下一个人——整个过程既安静又高效。
图：RecursiveMAS 架构示意——多 Agent 通过嵌入空间实现闭环递归协作 （来源：arXiv）
这个系统的关键组件叫做 RecursiveLink，一个轻量级的两层残差模块，负责把一个模型的隐层表征保留并转换，然后传递到下一个模型的嵌入空间。语言模型最后一层的隐状态，实际上已经编码了丰富的语义推理信息，RecursiveLink 要做的，就是把这些高维信息完整地 「搬」 过去，而不是先翻译成文字再解读。它分为内外两个版本：
图：递归学习过程——内部链接与外部链接协同训练 （来源：arXiv）
训练策略上，RecursiveMAS 有一个精妙的设计：主干模型权重完全冻结，只需训练 RecursiveLink 模块。这和 LoRA（低秩适配） 的精神有相似之处，但 RecursiveLink 更轻量：整个系统只需更新约 1300 万个参数，仅占总可训练参数的 0.31%。峰值 GPU 显存需求在所有对比方法中最低，训练成本比全量微调降低 50% 以上。你可以把它理解为一个 「轻量级转接头」，直接插在现有 Agent 生态上，无需从头训练新模型。如果多个 Agent 基于同一个基座模型 （比如都用 Qwen），它们甚至可以共享同一份模型权重，进一步节省显存。
训练分两阶段进行：
内层循环热身： 各个智能体独立训练自己的 Inner RecursiveLink，让它们学会在潜空间里 「想问题」 而不是 「写问题」。这个阶段可以并行进行，就像让每个人先练习 「内心独白」。
外层循环训练： 将所有智能体串联成完整的递归链路，以最终文本输出质量为优化目标，通过共享梯度联合优化所有 RecursiveLink。这个阶段解决的是 「credit assignment」 问题——如何把最终结果的成败，准确归因到每个 Agent 的贡献。这种分阶段策略避免了 「一步到位」 可能带来的训练不稳定问题。
研究者们在理论上证明了递归训练的梯度能够保持稳定，不会出现 RNN 中常见的梯度爆炸或消失问题，同时在运行时复杂度上也优于传统文本型 MAS。
实测效果：精度、速度、成本 「三杀」
理论说得再好，终归要用数据说话。研究团队在涵盖数学、科学与医学、代码生成、搜索问答等领域的 9 个主流基准测试和 4 种协作模式 （顺序推理、混合专家、知识蒸馏、协商式工具调用） 上进行了全面评估。实验使用的开源模型阵容相当 「豪华」——Qwen、Llama-3、Gemma3、Mistral，这些模型被分配了不同角色，组成了多种协作模式。
对比基线阵容同样硬核：LoRA 微调、全量微调 （SFT）、Mixture-of-Agents、TextGrad、LoopLM，以及使用相同递归循环结构但强制文本通信的 Recursive-TextMAS。最后这个对照尤其关键——它证明了 RecursiveMAS 的优势确实来自 「跳过文本解码」，而非来自递归结构本身。所有对比都在相同训练预算下进行，公平公正。
RecursiveMAS 核心性能指标
结果显示，RecursiveMAS 在所有指标上都实现了一致性提升：
精度： 平均准确率提升 8.3%，在 AIME2025 数学竞赛上比 TextGrad 高出 18.1%，在 AIME2026 上高出 13%。跳过文本解码不仅没有损失信息，反而让模型保留了更丰富的隐层语义——毕竟，把思维压缩成文字再解压，这个过程中信息的损耗远比我们想象的大。
速度： 端到端推理速度提升 1.2 倍至 2.4 倍，且随递归轮次增加而持续增长。这对实际应用场景意义重大：在需要实时响应的 AI 客服或代码辅助系统中，2 倍以上的速度提升意味着用户体验质的飞跃。
成本： 与 Recursive-TextMAS 相比，Token 消耗降低 34.6% 至 75.6%。这不仅仅是成本的节省，更意味着在相同 token 预算下可以尝试更深层次的推理。
不同递归轮次下的推理加速倍数
这里有一个关键洞察：递归深度越大，收益越高。加速效果随递归轮次增长：第 1 轮平均 1.2 倍，第 2 轮 1.9 倍，第 3 轮 2.4 倍。原因很简单——省掉的是每个 Agent「把想法写成文字」 的时间，Agent 越多、轮次越多，省的时间就越多。
不同递归轮次下的 Token 节省比例
在第三轮递归时，Token 消耗降低了 75.6%——这意味着同等性能下，运行成本可以压缩到原来的约四分之一。对于需要复杂多步骤推理的生产环境，这无疑是巨大的吸引力。
为什么这项研究值得关注？
如果只是数字上的提升，这篇论文或许还不足以引起如此关注。真正让它值得关注的，在于它可能重新定义多智能体系统的 Scaling 方向。
过去几年，多智能体领域的 Scaling 尝试主要围绕三条路：增加智能体数量、扩大上下文窗口、堆叠更大模型。但这些方法都面临各自的瓶颈——智能体多了通信爆炸，窗口大了成本爆炸，模型大了训练爆炸。
RecursiveMAS 提供了一条新路：加深递归深度。它把 「多智能体协作」 从并行的、文本交互的范式，转化为深度的、潜空间递归的范式。就像递归语言模型通过反复处理同一个问题来深化推理，RecursiveMAS 让多个智能体能够反复 「推敲」 彼此的 「想法」，而不必每次都 「说出来再听回去」。
研究者们在论文中提出的核心问题是：「智能体协作本身能否通过递归来扩展？」 答案似乎是肯定的。
当系统不再需要把内部表征 「翻译」 成人类可读的中间格式时，协作效率的上限就有望被进一步打开。
当前的行业背景也为这项研究提供了切实的落地场景。百度 2026 开发者大会以 「万物一体 （Agents at Scale）」 为主题，Anthropic 推出 Claude Managed Agents，OpenAI 持续推进 GPT-5 级推理的实时化——整个行业都在寻找让 Agent 协作从 demo 走向生产环境的方法。而三座大山——计算成本、推理延迟、显存限制——恰恰是 RecursiveMAS 试图用 0.31% 的参数开销来撬动的。
当然，这项研究目前仍处于早期阶段，有几个问题值得关注：
数据可信度待验证。 目前的结果均为作者自报，尚未有独立团队完成复现。学术圈对新技术的态度往往是 「大胆假设，小心验证」。在这个 「论文爆炸」 的时代，独立复现是检验技术真实价值的最佳方式。
异构智能体的兼容性。 Outer RecursiveLink 虽被设计用于连接不同架构的模型，但论文未详细披露跨架构传递潜表征的细节。如果只能用于同构智能体，其实际应用范围将大打折扣。毕竟，真实场景中很多时候我们需要混合使用 GPT-4o、Claude 等闭源 API。
可解释性下降。 当 Agent 之间传递的不再是可读的文本，而是一堆向量表征时，整个协作过程变成了 「黑箱」。在需要对 AI 决策负责的生产环境中，这种不透明性可能带来合规和审计挑战。
生产环境的复杂性。 论文测试的是相对干净的协作场景，真实生产环境往往涉及外部工具调用、人机交互、动态工作流等复杂因素。
RecursiveMAS 的提出，本质上是将 「递归」 这一在单模型时代被证明有效的 Scaling 策略，引入到了多智能体时代，挑战了 「智能体之间必须通过自然语言传递信息」 这一默认假设。如果数据可复现，MAS 赛道下一阶段的 Scaling 轴可能要从 「堆智能体数量」 转向 「加深递归深度」。
当然，这项研究仍需在更多独立基准上验证，需要解决异构模型互联的问题，需要在真实生产环境中证明自己。但至少，它让我们看到了一个可能性——
AI 智能体之间的协作，可以不必总是 「鸡同鸭讲」。
（（本文首发钛媒体 APP，作者 | 硅谷 Tech_news，编辑 | 焦燕））
