AI协作重磅突破!斯坦福英伟达联手消除AI沟通内耗,推理速度暴涨2.4倍

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%。

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。

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。

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”。