递归多智能体系统

本文提出递归多智能体框架（RecursiveMAS），将单模型的递归计算扩展至多智能体协作。通过轻量级递归链接模块连接异构智能体，实现潜在空间内的思维生成与状态传递。研究设计了内外循环学习算法，利用共享梯度进行全系统协同优化。理论与实验表明，该方法在数学、科学及代码生成等九个基准测试中，相比现有基线平均准确率提升 8.3%，推理速度加快 1.2 至 2.4 倍，并显著降低令牌消耗，证明了递归协作在深化推理方面的有效性。