从大语言模型（LLM）到智能体（Agent），代表了人工智能（AI）系统从 " 言 " 到 " 行 " 的范式跃迁。

更进一步，当多个 Agent 以组织形态出现，并通过协同合作、并行工作产出超越个体智能的成果时，AI 的下一个范式—— " 智能体组织 "（agentic organization）——便出现了。

然而，尽管当前的 LLM 作为个体 Agent 已经展现出令人惊讶的推理能力，但要真正实现 " 智能体组织 " 的愿景，LLM 不仅要能够独立思考，还必须作为一个有组织的系统进行协同思考。

为此，微软团队提出了一个名为 " 异步思考 "（AsyncThink）的 LLM 推理新方法，即把内部思考过程组织成可以并发执行的结构，从而解决现有并行思考方法中存在的延迟高、适应性、动态性差等难题。

实验表明，与并行思考相比，AsyncThink 在提高数学推理准确性的同时，将推理延迟降低了 28%。此外，AsyncThink 还可以将其学到的异步思考能力进行泛化，无需额外训练即可有效应对未见任务。

论文链接：https://arxiv.org/pdf/2510.26658

研究方法

AsyncThink 的核心为 " 组织者 - 工作者 "（Organizer-Worker）思考协议。其中，LLM 扮演两个角色：

一方面，它是一个 " 组织者 "，负责把复杂问题拆分成子任务，并通过"Fork"（分叉）和 "Join"（合并）来安排任务的顺序；另一方面，它还是一个 " 工作者 "，执行这些子任务并返回中间结果。

图｜AsyncThink 的思考协议示例。该协议通过 Fork-Join 操作实现异步思考，从而控制思考轨迹。

通过这种方式，模型不仅能并行处理多个子问题，还能动态调整思路，实现更灵活、更高效的推理。

为训练 AsyncThink 模型，他们提出了一个两阶段训练过程：冷启动格式微调、强化学习。

1. 冷启动格式微调

这一阶段是让现有的 LLM 经过冷启动格式微调，掌握  AsyncThink 框架的组织语法与行动结构。

在数据合成环节中，由于现有语料中几乎不存在 " 组织者–工作者 " 的思考样本，研究团队采用  GPT-4o  生成合成训练数据。GPT-4o 首先分析每个输入问题，识别出可独立求解的思考片段；随后按照  AsyncThink 协议格式分别生成组织者与工作者的推理轨迹。

在结构初始化环节中，为了提升模型结构的灵活性，研究团队随机采样不同的组织动作序列，并将其中一种结构样例嵌入训练提示中，让模型在各种结构下都能学习，从而生成更具多样性的思考拓扑。

在数据合成与结构初始化完成后，研究团队对基础 LLM 进行监督微调，赋予模型发出有效组织者行动的能力。

在这一阶段，模型尚未学会用异步思考产生正确的答案，而只是模仿格式。

2. 强化学习

由于第一阶段只教授了组织者行动的句法结构，模型仍然缺乏利用这种思考机制来生成最终答案的能力。因此，研究团队进行了第二阶段——强化学习，通过奖励来指导模型学习效率高、准确性高的策略。

图｜AsyncThink 强化学习框架示意图。

在奖励模型中，通过准确性奖励确保最终答案是正确的；通过格式奖励确保模型生成的轨迹是可执行的；通过思考并发奖励促使模型寻找机会进行异步而非顺序思考。

训练时，研究团队改进了群组相对策略优化（GRPO）  算法，让它适应异步结构。模型生成的不再是一条简单的思维链（CoT），而是一个由组织者和多个工作者组成的 " 思考结构 "。最终的奖励会共享给整个结构的所有输出，确保每个部分都朝同一个目标优化。

通过精细的奖励模型和优化机制，AsyncThink 模型能够动态且高效地协调其内部 " 智能体组织 " 来解决实际问题。

实验评估

研究团队评估了 AsyncThink 模型在多解倒计时、数学推理和数独任务上的表现。实验表明，与序列思考和并行思考模型相比，AsyncThink 始终能实现更高的准确性，同时降低延迟。

此外，研究团队还通过消融研究进一步分析了其性能，凸显了 AsyncThink" 两阶段训练过程 " 的有效性。

具体如下：

1. 多解倒计时实验

AsyncThink 的全对率达到  89.0%，比并行思考（68.6%）和序列思考（70.5%）都高。这意味着它不仅准确率更高，还能覆盖更多解答。

图｜多解倒计时任务评估结果。≥ a Correct 表示模型能否成功找到给定问题的唯一正确解。

2. 数学推理实验

在 AIME-24 上：AsyncThink 的准确率为  38.7%，延迟为  1468.0；在 AMC-23 上：AsyncThink 的准确率为  73.3%，延迟为  1459.5。相较传统并行推理，它在保证精度的同时减少了约 28% 的推理延迟。

图｜AIME-24 和 AMC-23 的数学推理评估结果。

3. 跨任务泛化实验

虽然只在倒计时任务上训练，但直接迁移到 4 × 4 数独时，AsyncThink 依然表现最好（准确率达到 89.4%，且延迟最低）。表明 LLM 学到的不是具体的模式，而是一种可迁移的组织性思考模式。

图｜AsyncThink 在 4 × 4 数独任务上的评估结果。

4. 消融实验

在消融实验中，研究团队发现：格式微调（Format  SFT）能够让 LLM 学会" 语言 "，即如何 Fork 与 Join；而强化学习（RL）让 LLM 学会" 策略 "，即何时 Fork、如何 Join 才能更快更准；并发奖励（R η  Reward）则让 LLM 学会" 效率 "——平衡准确率与延迟。

图｜通过移除 AsyncThink 的关键组件进行的消融实验结果。

未来工作

尽管 AsyncThink 在提升 LLM 推理准确性和降低推理延迟方面表现出显著优势。但它只是实现 "智能体组织 "  这一愿景的一个起点。

在未来的工作中，研究团队将围绕 " 规模 / 多样性扩展 "" 递归智能体组织 "" 人 -AI 智能体组织 " 三方面继续探索 "智能体组织 "  。

1. 扩展智能体的规模和多样性

首先是扩展 " 工作者 " 的数量。未来的工作应该探索异步思考的 scaling laws：随着智能体池容量从少数几个增长到数百甚至数千，准确性 - 延迟的权衡将如何演变。

其次是扩展智能体的多样性。超越同质化的智能体池，转向由异构专家工作者组成的大型组织。这些智能体可以针对特定领域（如数学、编码、数据分析）进行微调，且至关重要的是，它们可以配备不同的外部工具（如代码解释器、数据库查询引擎或网络搜索 API）。这为组织者带来了更复杂和更强大的学习问题。

2. 递归智能体组织

在这个范式中，任何工作者都可以动态地被提升为子组织者，从而获得 Fork 自己的子工作者团队的能力。这将实现一个灵活的分层结构，自然地适用于需要多级分解的深度嵌套和复杂问题。例如，一个出色组织者可能会委托一个宽泛的查询，例如 " 解决 * 问题 "，而指定的工作者则充当子组织者，Fork 出三个新的子工作者并行独立地测试不同的引理（lemmas）。

3. 人类 -AI 智能体组织

一个关键前沿是通过将人类直接整合到智能体组织中来创建人类 -AI 协作框架。这可能涉及 "人类作为组织者"，使用 Fork 协议将任务分配给 AI 工作者，或者 "人类作为工作者"，由 AI Fork 出需要人类判断的任务。此外，协作规划将允许人类和 AI 在执行前共同设计异步策略。这一方向超越了纯粹的 AI 自主性，将实现强大的混合智能。

整理：潇潇

如需转载或投稿，请直接在本文章评论区内留言