RecursiveMAS 

在当前多代理 AI 系统中，代理间通过生成和共享文本来通信，这不仅导致高延迟和高 Token 成本，更使得系统难以作为整体进行端到端优化。RecursiveMAS 是由伊利诺伊大学厄巴纳-香槟分校 (UIUC) 和 斯坦福大学 研究人员联合开发的创新框架，它允许代理通过嵌入空间（Embedding Space）而非文本直接传递信息，实现了真正的“心灵感应”式协作。

实验表明，RecursiveMAS 在代码生成、医学推理及搜索等复杂任务中，不仅准确率平均提升 8.3%，更将 Token 使用量最高降低 75.6%，推理速度提升 1.2-2.4 倍。其独特的“冻结主干、仅训链接”训练范式，使得构建定制化多代理系统的成本大幅降低，为生产级多智能体应用提供了可扩展、经济高效的蓝图。

核心亮点：潜在空间协作、极致高效、统一进化

1. “心灵感应”式潜在空间通信

• 打破文本瓶颈：传统多代理系统需等待前一个代理生成完整文本后，下一个代理才能开始处理。RecursiveMAS 摒弃了这一低效模式，代理间直接传递连续潜在表示（Latent Representations）。
• 递归循环架构：
  • 每个代理类似递归语言模型中的一层，迭代处理潜在状态并传递给下一位。
  • 最后一个代理的输出反馈给第一个代理，形成闭环，允许多轮隐性交互与反思。
  • 仅在最后一轮，最终代理才将潜在状态解码为文本输出，极大减少了中间过程的 Token 浪费。

2. 专用组件：RecursiveLink

为实现跨模型、跨维度的潜在状态传输，研究者引入了轻量级双层模块 RecursiveLink：

• 内部 RecursiveLink：在代理内部运作，将新生成的嵌入映射回输入空间，支持连续潜在思维流生成，无需离散 Token。
• 外部 RecursiveLink：充当代理间桥梁，包含额外投影层，用于匹配不同模型架构（如 Qwen vs Llama）的隐藏层维度，实现异构模型无缝协作。

3. 极低训练成本与显存占用

• 冻结主干，仅训链接：保持所有基础大模型（LLM）参数冻结，仅训练轻量级的 RecursiveLink 模块。
• 类比 LoRA 但更高效：相比全参数微调或标准 LoRA，RecursiveMAS 只需更新极少量参数，峰值 GPU 内存需求最低，训练成本降低 50% 以上。
• 共享主干优化：若多个代理基于相同基础模型，可共享同一主干权重，仅需加载一次，进一步节省显存。

4. 性能飞跃：更快、更准、更省

• 准确率提升：在九个基准测试中，平均准确率比最强基线高出 8.3%，尤其在推理密集型任务（数学、代码、医疗）表现卓越。
• 速度加速：端到端推理速度提升 1.2x – 2.4x，消除了文本生成的串行等待时间。
• Token 骤减：
  • 第一轮递归：Token 减少 34.6%。
  • 第三轮递归：Token 减少高达 75.6%。

工作原理详解

1. 初始化：用户输入被编码为初始潜在状态，传入第一个代理。
2. 内部推理：代理通过内部 RecursiveLink 在潜在空间进行多步思考，不生成文本。
3. 跨代理传递：处理后的潜在状态通过外部 RecursiveLink 投影至下一代理的维度空间。
4. 递归循环：状态沿代理链向下传递，最终代理的输出反馈回起始代理，开启新一轮深化推理。
5. 最终解码：经过预设轮次后，最后一个代理将最终潜在状态解码为自然语言文本，输出结果。

性能对比数据

注：测试模型包括 Qwen, Llama-3, Gemma3, Mistral 等开放权重模型。