2026年5月15日，伊利诺伊大学厄巴纳-香槟分校（UIUC）与斯坦福大学联合发布RecursiveMAS框架，该框架通过让AI代理共享嵌入向量而非文本进行协作，将多代理推理速度提升2.4倍，同时将token使用量降低75%。该研究有望大幅降低企业运行多代理系统的计算成本。
背景分析：多代理系统（Multi-Agent Systems）是当前企业AI应用的热门方向，但代理之间通过文本交换进行通信会造成巨大的token开销。RecursiveMAS通过嵌入共享机制，将通信内容压缩至原来的四分之一，同时不损失任务完成质量。
趋势判断：多代理系统的效率优化将成为2026年下半年AI工程的重点方向。随着企业部署的代理数量持续增长，降低协作开销将成为决定系统可行性的关键。预计该技术路线将快速被主流AI开发框架吸收。
来源：VentureBeat（https://venturebeat.com/orchestration/how-recursivemas-speeds-up-multi-agent-inference-by-2-4x-and-reduces-token-usage-by-75/）
