论文页面 - 递归多智能体系统

来源：https://huggingface.co/papers/2604.25917

摘要

RecursiveMAS 将递归扩展原则从单模型推广至多智能体系统，通过迭代潜在空间计算实现协作推理，在效率和准确性方面均有提升。

递归或循环语言模型近期作为一种新的扩展维度出现，它通过对潜在状态迭代优化同一模型计算来深化推理。我们将此类扩展原则从单模型推广到多智能体系统（https://huggingface.co/papers?q=multi-agent%20systems），并提出问题：智能体协作本身能否通过递归实现扩展？为此，我们提出 RecursiveMAS，一种递归多智能体框架，将整个系统建模为统一的潜在空间递归计算（https://huggingface.co/papers?q=latent-space%20recursive%20computation）。RecursiveMAS 通过轻量级的 RecursiveLink 模块（https://huggingface.co/papers?q=RecursiveLink%20module）将异构智能体连接为协作循环，实现分布内潜在思维生成和跨智能体潜在状态转移。为优化该框架，我们开发了内外循环学习算法（https://huggingface.co/papers?q=inner-outer%20loop%20learning），通过递归轮次间的共享基于梯度的信用分配（https://huggingface.co/papers?q=gradient-based%20credit%20assignment）实现迭代的全系统协同优化。对运行时间复杂度（https://huggingface.co/papers?q=runtime%20complexity）和学习动态（https://huggingface.co/papers?q=learning%20dynamics）的理论分析表明，RecursiveMAS 比标准基于文本的多智能体系统更高效，且在递归训练过程中保持梯度稳定。在实证方面，我们在 4 种代表性智能体协作模式（https://huggingface.co/papers?q=agent%20collaboration%20patterns）下实例化 RecursiveMAS，并在涵盖数学、科学、医学、搜索和代码生成的 9 个基准上进行评估。与先进的单智能体/多智能体和递归计算基线相比，RecursiveMAS 平均准确率提升 8.3%，端到端推理加速 1.2 倍-2.4 倍（https://huggingface.co/papers?q=end-to-end%20inference%20speedup），token 使用量减少 34.6%-75.6%（https://huggingface.co/papers?q=token%20usage%20reduction）。代码和数据见 https://recursivemas.github.io。

查看 arXiv 页面（https://arxiv.org/abs/2604.25917）查看 PDF（https://arxiv.org/pdf/2604.25917）项目页面（https://recursivemas.github.io/）GitHub（https://github.com/RecursiveMAS/RecursiveMAS）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2604.25917）

在您的智能体中获取此论文：

hf papers read 2604.25917

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型 19

RecursiveMAS/Mixture-Science-BioMistral-7B 7B • 更新于 9 天前 • 60 • 2（https://huggingface.co/RecursiveMAS/Mixture-Science-BioMistral-7B）

RecursiveMAS/Mixture-Summarizer-Qwen3.5-2B 2B • 更新于 9 天前 • 90 • 2（https://huggingface.co/RecursiveMAS/Mixture-Summarizer-Qwen3.5-2B）

RecursiveMAS/Deliberation-Reflector-Qwen3.5-4B 4B • 更新于 9 天前 • 50 • 2（https://huggingface.co/RecursiveMAS/Deliberation-Reflector-Qwen3.5-4B）

RecursiveMAS/Deliberation-Toolcaller-Qwen3.5-4B 4B • 更新于 9 天前 • 47 • 1（https://huggingface.co/RecursiveMAS/Deliberation-Toolcaller-Qwen3.5-4B）

浏览引用此论文的 19 个模型（https://huggingface.co/models?other=arxiv:2604.25917）

引用此论文的数据集 0

没有数据集链接到此论文

在数据集 README.md 中引用 arxiv.org/abs/2604.25917 即可从此页面链接。

引用此论文的 Spaces 0

没有 Space 链接到此论文

在 Space README.md 中引用 arxiv.org/abs/2604.25917 即可从此页面链接。

包含此论文的收藏集 15

浏览包含此论文的 15 个收藏集（https://huggingface.co/collections?paper=2604.25917）