Recursive Agents Task Decomposition Reinforcement Learning Divide-and-Conquer Inference-time Scaling
摘要

本文提出递归代理优化（RAO），一种用于训练递归代理的强化学习方法。此类代理能递归地生成自身新实例并委派子任务。递归代理实现了一种推理时扩展算法，通过分治策略自然支持更长上下文及更复杂问题的泛化。RAO 教导代理何时及如何有效委派与沟通。研究表明，该方法提升了训练效率，使代理能处理超出上下文窗口的任务，泛化至更难问题，并相比单代理系统显著减少实际运行时间。

AI 推荐理由

论文核心研究递归代理的任务分解与子任务委派机制，属于规划能力的范畴。

研究机构
Carnegie Mellon University Amazon AGI Labs
论文信息
作者 Apurva Gandhi, Satyaki Chakraborty, Xiangjun Wang, Aviral Kumar, Graham Neubig
发布日期 2026-05-07
arXiv ID 2605.06639
相关性评分 9/10 (高度相关)
arXiv 页面 下载 PDF Code