🤖 AI

AgentFugue: Agent Scaling for Long-Horizon Tasks through Collective Reasoning

本文介绍了 AgentFugue，这是一种集体推理框架，它通过一个共享推理中心将并行对等智能体连接起来，该中心记录并促进中间发现的复用，从而提升长程任务性能，进而证明扩展智能体系统规模能够带来超越单纯算力扩展的显著能力增益。

原作者： Yuyang Hu, Hongjin Qian, Shuting Wang, Jiongnan Liu, Tong Zhao, Xiaoxi Li, Zheng Liu, Zhicheng Dou

发布于 2026-05-26

📖 1 分钟阅读☕ 轻松阅读

原作者： Yuyang Hu, Hongjin Qian, Shuting Wang, Jiongnan Liu, Tong Zhao, Xiaoxi Li, Zheng Liu, Zhicheng Dou

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

以下是关于AgentFugue论文的解读，将其拆解为简单概念和日常类比。

核心理念：从独奏艺术家到爵士乐队

想象你正在试图解决一个非常困难、多步骤的谜题（例如在数百个网站中查找某个隐藏的具体事实，或解决一个复杂的逻辑谜题）。

旧方法（规模扩大）：
目前，大多数 AI 研究人员试图通过让“侦探”变得更聪明来解决这个问题。他们给 AI 配备更大的大脑、更好的工具和更多的训练。这就像雇佣一位超级天才侦探，并指望他们能独自找到答案。这确实有效，但存在局限。如果这位天才在一条错误的道路上卡住了，他们可能会把所有时间都浪费在那里，从而错过解决方案。

新方法（AgentFugue / 规模扩展）：
这篇论文问道：如果我们不雇佣一位天才，而是雇佣一支由普通侦探组成的团队，会怎样？
但这里有个陷阱：通常，如果你雇佣了一个团队，他们只是在各自的房间里工作，只在最后才交换笔记。如果侦探 A 花了 10 个小时证明一条线索是假的，而侦探 B 也花了 10 个小时试图证明它是真的，那就是时间的浪费。

AgentFugue 是一个新系统，它让这些侦探并行工作，同时实时共享他们的进展，而无需老板告诉他们该做什么。

核心机制：“共享推理枢纽”

将共享推理枢纽想象成位于房间中央的一块公共白板或群聊日志。

赋格类比：作者将其比作音乐中的赋格（如巴赫的歌曲）。在赋格中，不同的音乐家同时演奏不同的旋律。他们并不演奏相同的音符，但他们互相倾听，并将各自的旋律交织在一起，创造出更丰富的作品。
- 在 AgentFugue 中，每个 AI 代理都在演奏自己的“旋律”（探索解决问题的不同路径）。
- 枢纽倾听它们，并帮助它们将各自的路径交织在一起。
枢纽如何运作（“记笔记者”）：
- 书写：当一个 AI 代理卡住或完成一小块工作时，它不会将信息据为己有。它会向枢纽写一条简短、简洁的“笔记”。这条笔记会说：“我尝试寻找 X，但那是死胡同，”或者“我发现了关于 Y 的线索，可能有用。”
- 阅读：另一个正在处理不同路径的代理可以瞥一眼枢纽。如果它看到一条写着“嘿，别走 X 这条路，那是死胡同”的笔记，它可以立即改变方向并节省时间。
- 选择性访问：代理们不会一直阅读所有内容（那样会太嘈杂）。它们只在需要时向枢纽询问具体细节，就像问：“有人找到关于 19 世纪商店的任何东西吗？”

为何这很特别

该论文强调了这种团队运作的两种主要方式：

同质团队（克隆小队）：想象一个每个代理都完全相同的团队。通常你会认为他们会做完全相同的事情并得到相同的错误答案。但在枢纽的帮助下，他们会探索问题的不同“分支”。一个可能尝试搜索引擎，另一个可能尝试特定数据库。枢纽帮助他们意识到：“哦，左边的克隆体已经检查过那个数据库了，它是空的”，所以右边的克隆体就停止浪费时间。
异质团队（混合 crew）：想象一个拥有不同类型代理的团队（有些擅长数学，有些擅长阅读，有些擅长搜索）。枢纽充当翻译，让“数学专家”与“搜索专家”分享计算结果，后者再利用该数字找到特定文档。

结果：他们发现了什么？

研究人员在三种非常困难的任务类型上测试了这种方法：

深度搜索：在互联网深处寻找隐藏的具体事实。
广度搜索：从众多来源收集大量信息列表。
高难度推理：解决复杂的逻辑谜题（如“人类最后的考试”）。

发现：

优于单人：拥有枢纽的团队解决的问题比即使是最强的单个 AI 独自工作时要多。
优于其他团队：它击败了依赖“经理”下达指令的其他多代理系统。AgentFugue 的代理更加独立和灵活。
效率：代理们不仅做了更多工作，而且做了更少的无用功。因为他们共享了“死胡同”，所以不必重新发现同样的错误。

陷阱（局限性）

该论文诚实地指出了该系统可能出错的地方：

糟糕的笔记：如果枢纽写了一条令人困惑或错误的笔记，其他代理可能会遵循这条坏建议。
回声室效应：如果每个人都阅读同一条流行的笔记，他们可能会开始以相同的方式思考，从而错过创造性的解决方案。
上下文限制：枢纽有记忆限制。如果团队变得太大或笔记变得太长，枢纽可能会忘记重要细节或不堪重负。

总结

AgentFugue 是一个框架，它将一组 AI 代理从孤立的工作者转变为一个协作生态系统。它不仅仅是让一个 AI 变得更聪明（规模扩大），而是通过让团队中的 AI 实时共享它们的“草稿纸”笔记，使整个 AI 团队变得更聪明。这就像将一群人大声喊叫的房间，转变为一个人们演奏协调爵士乐的房间，每个人都在倾听他人，以使音乐更加美妙。

技术摘要：AgentFugue

问题陈述

近期长程智能体任务（long-horizon agentic tasks）的进展主要依赖于“规模扩展”（scaling up）——即通过更强的基础模型、更优的工具集成以及更有效的脚手架来提升单个智能体的能力。虽然这种方法扩展了单条轨迹的能力，但它并未从根本上增加探索的广度。

本文探讨了“横向扩展”（scaling out）的问题：多个对等智能体（peer agents）在处理同一任务时，能否在不依赖显式角色分工、工作流编排或集中式规划的情况下，集体提升能力。核心挑战在于通信：若无通信，智能体将作为孤立的搜索运行；若通信不受限制，有用信号往往会被噪声淹没，且探索多样性会崩溃。作者认为，有效的横向扩展需要一种集体推理（collective reasoning）机制，使对等智能体能够在保持各自搜索方向独立的同时，选择性地交换中间进展。

方法论：AgentFugue

作者提出了AgentFugue，这是一个围绕共享推理枢纽（shared reasoning hub）构建的集体推理框架。与集中式规划器或辩论式多智能体系统不同，AgentFugue 将智能体视为对等体，并行探索同一任务，而枢纽则充当外部通信层而非控制器。

核心架构

共享推理枢纽（ $H$ ）：一个即插即用的通信层，与对等智能体并行存在。它不替代本地推理，而是使一条轨迹中的中间发现能够选择性地被其他轨迹获取。
片段（Episodes）：本地智能体轨迹根据固定的上下文预算被划分为连续的块，称为“片段”。
两阶段枢纽操作：
- 片段写入（ $M_{write}$ ）：当智能体的上下文达到写入预算时，枢纽将已完成的片段压缩为简洁的片段笔记（ $z_{i,e}$ ）。该笔记记录了已确立的内容、尝试过的内容、被排除的内容以及收集到的证据。原始片段内容存储在枢纽中，而智能体的工作上下文则被清除并替换为该笔记，以释放容量。
- 意图驱动读取（ $M_{read}$ ）：智能体不会被动接收所有笔记。相反，智能体会发出一个结构化请求，其中包含意图（ $q_{i,t}$ ）以及基于其当前上下文中可见笔记的一组片段引用（ $E_{i,t}$ ）。枢纽检索所引用片段的完整原始内容，并针对智能体的当前需求合成聚焦的引导或证据片段（ $r_{i,t}$ ）。

优化

枢纽使用中等规模的語言模型实例化（基于 Qwen3.5-9B 初始化），并分两个阶段进行优化：

监督微调（SFT）：枢纽基于教师生成的数据学习生成参考笔记和读取输出。
组相对策略优化（GRPO）：枢纽通过完整多智能体循环内的强化学习，进一步与下游任务的成功对齐。任务智能体保持冻结；GRPO 的压力优化通信层本身，奖励那些能带来更短、更成功搜索路径的枢纽输出。

扩展设置

该框架在两种设置下进行了评估：

同质团队：多个智能体共享相同的骨干网络和配置，测试纯粹来自跨轨迹交互的收益。
异质团队：智能体在模型骨干或配置上存在差异，测试枢纽能否协调互补的推理偏差和失败模式。

主要贡献

对等智能体扩展的识别：本文识别出一种独特的长程推理场景，其中能力必须源于跨轨迹的复用，而非角色分工。
AgentFugue 框架：一个基于写入、检索和读取共享推理片段的通信框架。它将并行轨迹转化为一种选择性地共享的推理生态，无需集中式规划，其灵感来源于巴洛克赋格曲（Baroque fugue）的结构，即不同的声部相互发展彼此的进展。
实证分析：对同质和异质团队中的该框架进行了全面研究，分析了横向扩展在何时提升单智能体效率、何时带来团队层面的收益，以及该机制在何处失效。

实验结果

作者在三个具有挑战性的长程基准测试中评估了 AgentFugue：BrowseComp（深度多跳网络搜索）、WideSearch（面向广度的证据收集）和HLE（专家编写的多领域推理）。

性能：AgentFugue 在所有基准测试和骨干配置（Qwen3.5-35B-A3B 和 DeepSeek-v4-Flash）上均取得了最先进的结果，优于强大的基线模型，包括单智能体 ReAct、DeepResearch 系统以及其他多智能体方法（Naive-Multi-Agent、Swarm-Multi-Agent）。
扩展行为：
- 在同质团队中，随着团队规模从 $N=1$ 增加到 $N=5$ ，单智能体准确率显著提升，随后趋于平稳。然而，团队层面的聚合指标（Pass@N）随着团队规模的扩大继续提升。
- 在异质团队中，较弱的模型从枢纽中受益最多，而较强的模型也看到了提升。异质团队触发了比同质团队更高的枢纽使用率（内存流量），表明不同的骨干网络产生了真正新颖于对等体的中间笔记。
效率：枢纽成功地将孤立的探索转化为共享的协调。随着团队规模的增长，单智能体的搜索和访问调用次数减少，而内存流量增加，表明从冗余探索转向了结构化的信息复用。

意义与主张

本文主张，集体推理可以将对等智能体系统的扩展转化为一种独特的能力提升来源，而不仅仅是增加计算消耗的方法。

区别于现有范式：与多智能体辩论或群聊不同，AgentFugue 不强制同步的轮流发言。与“最佳 N 选”（best-of-N）采样不同，轨迹通过可复用的中间进展在探索过程中相互影响。与基于静态语料库的检索增强生成（RAG）不同，读取路径是意图驱动的，并按需合成原始内容。
泛化性：改进在检索密集型、推理核心型和广度导向型任务中均保持一致，表明共享推理枢纽是一种通用的协调原语。
局限性：作者指出，当前的实现使用了中等规模的枢纽和有限的骨干网络集合。他们还承认了失败模式，即低质量笔记或过度自信的中间结论可能会在团队中传播误导性假设，从而可能降低多样性。

作者总结道，尽管挑战依然存在，即如何使这种通信既具有选择性以保留多样性，又足够可靠以防止错误传播，但 AgentFugue 证明了智能体扩展是提升长程智能体推理能力的一个可行且有效的维度。