Recursive Agent Optimization 研究提出递归智能体强化学习方法

论文提出 Recursive Agent Optimization（RAO），一种训练递归智能体的强化学习方法，让智能体能够递归地向自身的新实例派生并委派子任务。RAO 教会模型何时以及如何委派与通信，使智能体在推理时通过分治扩展到更长上下文，泛化到比训练时更难的任务，并可能降低相对单智能体系统的实际耗时。