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
斯坦福、UIUC、英伟达与MIT的研究者联合提出了一种名为RecursiveMAS的新方法，旨在消除多智能体AI协作中的“语言税”问题。传统多智能体系统需要通过自然语言文本进行沟通，导致效率低下、信息丢失且计算成本高。RecursiveMAS的核心创新在于让智能体跳过文本生成与解析的步骤，直接在潜空间（latent space）中通过向量表征传递“思维”，实现类似“心灵感应”的高效协作。
该方法通过轻量级的RecursiveLink模块连接智能体，仅需训练约0.31%的参数，显著降低了训练成本与显存需求。实验表明，RecursiveMAS在数学、代码生成等多个任务上平均准确率提升8.3%，推理速度提升最高达2.4倍，同时Token消耗降低75%。其性能优势随递归轮次增加而扩大，为多智能体系统的扩展提供了新的方向——从增加智能体数量转向加深递归深度。
尽管该技术仍需在异构模型兼容性、可解释性及复杂生产环境中进一步验证，但它挑战了多智能体协作的传统范式，有望推动AI协作效率实现质的突破。
marsbit05/21 00:10
