核心观点 - 微软团队提出名为“异步思考”（AsyncThink）的新方法，旨在实现LLM从个体智能到“智能体组织”的范式跃迁 [1] - AsyncThink通过“组织者-工作者”协议将内部思考过程组织成可并发执行的结构，以解决现有并行思考方法的高延迟和动态性差等难题 [1][2] - 实验表明，该方法在提高数学推理准确性的同时，将推理延迟降低了28%，并展现出良好的跨任务泛化能力 [1][14][16] 研究方法 - AsyncThink的核心是“组织者-工作者”（Organizer-Worker）思考协议，LLM同时扮演组织者和工作者两个角色 [2] - 组织者负责将复杂问题拆分成子任务，并通过“Fork”和“Join”操作安排任务顺序；工作者负责执行子任务并返回中间结果 [2][4] - 该方法采用两阶段训练过程：冷启动格式微调和强化学习 [4] 训练过程 - 冷启动格式微调阶段使用GPT-4o生成合成训练数据，并对基础LLM进行监督微调，使其掌握AsyncThink框架的组织语法与行动结构 [5] - 强化学习阶段通过改进的群组相对策略优化（GRPO）算法，利用准确性、格式和思考并发奖励来指导模型学习高效、准确的策略 [7][9] 实验评估 - 在多解倒计时任务中，AsyncThink的全对率达到89.0%，显著高于并行思考的68.6%和序列思考的70.5% [11][13] - 在数学推理任务AIME-24和AMC-23上，AsyncThink的准确率分别为38.7%和73.3%，延迟分别为1468.0和1459.5，在保证精度的同时延迟降低约28% [14][15] - 在跨任务泛化实验中，AsyncThink在4×4数独任务上准确率达到89.4%，延迟为2853.0，优于序列思考和并行思考 [16][17] 消融实验 - 格式微调使LLM学会“语言”，即如何Fork与Join；强化学习使LLM学会“策略”，即何时Fork、如何Join才能更快更准；并发奖励则让LLM学会平衡准确率与延迟的效率 [18][19] 未来工作 - 未来研究将围绕扩展智能体的规模和多样性进行，探索异步思考的扩展定律以及由异构专家工作者组成的大型组织 [21] - 将探索递归智能体组织，使工作者可动态提升为子组织者，以解决深度嵌套的复杂问题 [22] - 将研究人类-AI智能体组织，创建人类-AI协作框架，实现混合智能 [23]