RecursiveMAS框架突破：多代理推理提速2.4倍，Token消耗降低75%_AI模型

RecursiveMAS框架突破：多代理推理提速2.4倍，Token消耗降低75%

创始人

2026-05-17 10:09:16

0次

多代理AI系统迎来重大技术突破。来自伊利诺伊大学香槟分校和斯坦福大学的研究团队发布了RecursiveMAS框架，成功将多代理推理速度提升2.4倍，同时将Token使用量降低75%。传统多代理系统面临的核心挑战是通信开销巨大。每个代理需要通过文本与其他代理交流，这导致大量Token被消耗在代理间对话上，而非实际的推理任务。随着代理数量增加，这一问题更加突出。 RecursiveMAS的创新在于让AI代理共享嵌入向量而非文本。通过直接交换语义表示，代理间通信效率大幅提升。研究显示，这种方法不仅降低了Token消耗，还减少了超过一半的训练成本。技术实现上，框架引入了递归式消息传递机制。每个代理维护一个共享的语义空间，可以高效读取其他代理的意图和状态。这种设计避免了文本序列化带来的信息损失，使代理间协作更加顺畅。实验结果表明，在多个基准测试中，RecursiveMAS在保持输出质量的同时显著提升了效率。对于需要大量代理协作的复杂任务，如软件工程、科学研究模拟等，这一突破具有重大意义。研究团队已将框架开源，供学术界和工业界使用。业内专家预测，这一技术将加速多代理AI在实际应用中的落地，推动AI代理从单点能力向系统性协作演进。总体而言，RecursiveMAS代表了多代理系统优化的重要方向，为AI代理的大规模部署扫清了关键障碍。

RecursiveMAS 多代理推理优化 Token 斯坦福

上一篇：AI智商测试网站上线：50款大模型智商排名引发科技圈热议

下一篇：Anthropic首次超越OpenAI：Claude在企业AI采用率上夺魁

RecursiveMAS框架突破：多代理推理提速2.4倍，Token消耗降低75%

相关内容

热门资讯