연구진은 동일한 모델 연산을 반복적으로 개선하여 추론을 심화시키는 기존의 재귀적 언어 모델 확장 방식에 따라, 멀티 에이전트 시스템의 협업 자체를 확장할 수 있는지 질문했어요.
RecursiveMAS는 전체 시스템을 통일된 잠재 공간의 재귀적 연산으로 간주하는 재귀적 멀티 에이전트 프레임워크이며, RecursiveLink 모듈을 통해 다양한 에이전트를 연결하여 잠재적 사고 생성 및 에이전트 간 잠재 상태를 전송해요.
RecursiveMAS는 9개의 벤치마크에서 기존 방식 대비 평균 정확도가 8.3% 향상되고, 추론 속도는 1.2배에서 2.4배 빨라지며, 토큰 사용량은 34.6%에서 75.6% 감소하는 성능을 보여줬어요.