Agent Primitives：多智能体开始复用协作模块

多智能体系统的常见做法，是让多个 Agent 通过自然语言互相传话；Agent Primitives 提出的方向，是把可复用的协作结构直接做成「积木」。

论文围绕三类基础模块展开：Review Primitive 负责「生成—批评—修正」循环；Voting & Selection Primitive 在多个候选中比较和选择；Planning & Execution Primitive 把高层规划与底层执行拆开。这样复用的单位不再只是一个角色，而是一段可插接的计算结构。1

更关键的变化在通信层：模块之间不必把内部状态完整解码成文字再重编码，而是通过 KV Cache 传递潜在表示。论文报告，在长上下文中间插入辅助指令时，自然语言通信的遵循率为 15.6%，KV Cache 为 73.3%；插入 3 条和 10 条无关推理句时，两种方式的准确率分别为 73% / 47% 与 100% / 93%。2

论文还在数学、代码和知识问答等 8 个基准、5 种模型骨干上评估，文章转述的结果是：相对单智能体准确率提升 12.0%–16.5%，相对传统文本通信多智能体系统的 token 使用与推理延迟降低约 3–4 倍。以上均为论文与原文报道的实验口径，重点应看通信方式带来的结构变化，而不是把单一数字当成通用保证。1

阅读机器之心原文 · 查看论文原始页面