遞迴代理優化（RAO）：讓代理自我分工、跨越上下文限制

遞迴代理優化（RAO）突圍長上下文限制

遞迴代理優化（RAO）提出一種強化學習框架，訓練能在推論時自我複製並遞迴分工的代理。這類代理會把任務切分給新的同型實例，靠分而治之的推論流程處理更長的上下文與更複雜的問題。

RAO的要點在於把「何時委派」與「如何溝通」視為可學習的策略。透過強化學習，模型學會在推論階段判斷何時創建子代理、如何分配子任務，以及如何把子代理的回傳整合回主流程，使遞迴推論成為一種可控且高效的擴展機制。

此方式自然形成推論時的可擴展演算法：代理數量與計算可隨問題複雜度遞迴增長，因而能處理超出單一模型上下文窗口的輸入。作者報告指出，採用RAO訓練的遞迴代理在訓練效率與泛化能力上均有提升，能應對比訓練時更困難的任務，且在實際運行時間上比單一代理系統更有優勢。

對於需要處理長上下文或以分而治之切分問題的應用場景，RAO提供一條訓練與推論協同的路徑，讓代理在不擴增單一上下文窗口的情況下，藉由遞迴實例化與協作完成更大範圍的計算任務。

延伸閱讀

• LLM精神病理：揭露大型語言模型的五種認知崩解
• 大型語言模型文化偏誤審計：GPT-5.4、Claude Sonnet 4.5、Gemini 2.5 Flash 的個體主義傾向分析
• 大型自律代理人社會的集體智慧：以 MoltBook 和 Probing Agents 的三級檢測框架驗證

原始來源：ArXiv AI

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。