[LG]《The Era of Agentic Organization: Learning to Organize with Language Models》Z Chi, L Dong, Q Dong, Y Hao... [Microsoft Research] (2025)

新时代AI范式：语言模型的智能组织与异步思维

本文提出了“Agentic Organization（智能组织）”新范式，旨在让多智能体协同并发解决复杂问题，突破单一智能体的能力极限。核心创新是“异步思维（AsyncThink）”，通过组织者动态分配子任务（Fork）与结果合并（Join），实现并行且协作的内部推理结构。

主要贡献：

1. 提出异步思维协议，让同一大语言模型扮演组织者与多个工作者角色，协同生成推理过程。

2. 设计两阶段训练：先用合成数据进行格式微调，掌握Fork/Join操作语法；再用强化学习优化组织策略，提高准确率与推理效率。

3. 在多解倒计时、数学推理及数独等任务上，AsyncThink相较传统顺序与并行思维，推理延迟降低28%，准确率显著提升。

4. 展示出零样本迁移能力，在未见过的任务（如4×4数独）上依然表现优异，体现强泛化性。

异步思维协议借鉴计算机系统多核处理理念，组织者负责全局协调，动态分配并发子任务给工作者，工作者独立推理后返回结果。此机制突破传统固定流程限制，实现推理结构自适应与优化。

实验中，AsyncThink不仅提升了多解覆盖率和数学题解答准确度，还有效降低了推理关键路径时延，展现良好效率与性能平衡。强化学习引导模型探索多样化异步结构，使组织策略更加灵活高效。

未来方向包括：

- 扩展至海量异构智能体，融合多领域专家与工具，提升组织复杂度与能力；

- 递归智能组织，形成层级分工，适应更深层次任务分解；

- 人机协同智能组织，结合人类直观与AI计算能力，打造混合智慧生态。

AsyncThink为多智能体协作推理开辟新路径，推动AI从单体智能迈向集体智能新时代。

论文全文链接：arxiv.org/abs/2510.26658

人工智能 大语言模型 多智能体 异步思维 强化学习 智能组织