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：
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。
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：
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。
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。
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。
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））
