---
title: '多 agent 跳过英文直接传潜状态——小模型数学从73%飙到86%'
video_id: dUmT0OIGoqE
url: https://youtu.be/dUmT0OIGoqE
title_en: "Scientists Found A Better Language For AI Agents"
channel: Two Minute Papers
published: 2026-06-19
duration: "06:57"
topics: [多 Agent 协作, 模型与能力]
noted: 2026-07-08
value: A
views: '11.5万'
---


[![封面](https://i.ytimg.com/vi/dUmT0OIGoqE/maxresdefault.jpg)](https://youtu.be/dUmT0OIGoqE)

> Two Minute Papers · 时长 06:57 · 发布 2026-06-19 · 11.5万次观看(截至抓取) · [观看原视频](https://youtu.be/dUmT0OIGoqE)

> 🔥 观众最高回放 [00:04](https://youtu.be/dUmT0OIGoqE?t=4) — 开场抛出 AI agent 在互联网上数量爆炸性增长、但技术仍很粗糙的总判断。

## 主旨

让多个串行 agent 跳过"先写成英文再解码"这一环节，直接把上游模型内部的潜状态(原始、未解码的向量)传递给下游 agent，在数学题上把 10B 以下的开源模型准确率从 73% 拉到 86%，同时 token 用量下降 75%。

## 核心论点

1. **多 agent 协作的瓶颈在传递介质，不在协作结构本身**——换成潜状态直接传递后，小模型即在数学竞赛题上接近贵得多的大模型。(→ 详解3、详解4)
2. **多 agent 协作常因串联错误而整体失败**，原因是 agent 之间用人类语言(英文文本)通信，会把信息压扁再解码回张量，每步都有损失和幻觉。([[#1-多-agent-串行协作为何常常崩-0045|→ 详解1]])
3. **教学/推理的优化目标是不同的编码方式**——人类字母表是为"书写"优化的，不适合"思考"；同理，给 agent 写英文文本本身就是低效中介。([[#2-神经接口类比字母表是优化书写的不是优化思考的-0150|→ 详解2]])
4. **结果提升的功劳归属于架构而非教师蒸馏**——同一教师模型训练其他架构做对照，新架构仍胜出；这意味着"潜状态传递"本身是个独立贡献。([[#5-排除只是教师蒸馏得好嫌疑受控对照实验-0455|→ 详解5]])
5. **目前结论仅在 sub-10B 模型 + 数学竞赛题范围内成立**，且每轮最优潜思维长度约 80 步，是否能 scale 到大模型未知。([[#6-已知边界模型规模潜思维长度上限-0552|→ 详解6]])

## 知识点详解

### 1. 多 agent 串行协作为何常常崩 [00:45](https://youtu.be/dUmT0OIGoqE?t=45)

视频举了一个具象例子：让两个 agent 帮你订度假行程。flight agent 幻觉出"一个离你真实目的地 400 英里远的便宜机场"——这不是 bug，是因为它只是"读到一个省钱机会就当真"。hotel agent 接着说"那附近订个超便宜的吧"——超便宜几乎都是不可退款。结果：一张永远用不上的不可退款订单。

Pipeline(专家串行) 这种"专家 agent 顺序交接"的拓扑本身没问题，但每一步都要把内部状态写成英文文本、再让下一个 agent 读回来重建。每一次 encode → decode 都是一次信息压扁与幻觉的入口。视频的潜台词是：plan→critique→solve 这种 Pipeline(专家串行)，把"怎么传"换成更合适的介质，效果立竿见影。

### 2. 神经接口类比：字母表是优化书写的，不是优化思考的 [01:50](https://youtu.be/dUmT0OIGoqE?t=110)

视频先抛了个看似无关的脑机接口研究：你想象一个字母，屏幕上就跳出对应字母。如果一直这么做，很快会问出"字母表是为书写优化的，为什么要用它来思考"。这是个隐喻——人类写作系统本身就被约束为可读字符流，并非思考的天然介质。

推导到 agent：每个 agent 内部其实有自己的"潜思考"——高维向量、张量激活，但当它要把想法告诉下一个 agent 时，又得把这些张量先解码成 token 序列（"我打算先做 X、再做 Y"）。这个过程既丢精度又费 token。视频的修辞很直接："Why are we doing that? Who said they should talk in plain English?"

### 3. 跨 agent 潜状态传递：丢掉英文，丢掉字母 [02:44](https://youtu.be/dUmT0OIGoqE?t=164)

论文的核心主张可以一句话概括：放弃英文，放弃字母，让上游 agent 把未经解码的原始张量直接喂给下游 agent。视频博主 Dr. Károly Zsolnai Fehér 自己形容这是"我从椅子上掉下来的部分"——论证上把"用自然语言作为 agent 通信协议"这件看似天经地义的事整个推翻。

具体做法上，三个 agent 第一轮各自做完工作后，把中间产物作为**未解码的潜状态张量**直接发给下一个 agent，下一个 agent 在自己的上下文里读取这个张量并继续推理。整个过程不经过"写句子 → token-by-token 解码 → 下一方重读 → 重编码"那一套。视频把这个机制命名为 跨 agent 潜状态传递（cross-agent latent state transfer），并强调每个 round 内部仍然存在各自独立的"潜思维"步骤。

### 4. 实测表现：准确率大跳、token 用量暴降 [03:34](https://youtu.be/dUmT0OIGoqE?t=214)

放在数学竞赛级题目上，启用 跨 agent 潜状态传递 后，sub-10B 参数开源模型的准确率从 73% 提升到 86%。这是个相当夸张的跨档——视频原话是 "That is crazy"。博主特别强调这不是靠更大的前沿模型换来的，是 **free sub-10 billion parameter models**，开源、便宜、可下载。

更值得注意的指标是 token 用量下降 75%——也就是过去要写一大段英文文本传递的中段信息，现在直接以张量形式传走，省掉了大量中间 token。这也直接对应训练成本：博主给出"训练整套系统大约 4 美元"这个数字，几乎等同于"一杯咖啡的钱"。

### 5. 排除"只是教师蒸馏得好"嫌疑：受控对照实验 [04:55](https://youtu.be/dUmT0OIGoqE?t=295)

视频里的关键质疑很微妙：训练每个 agent 角色时，是用一个"巨型 AI 模型"当老师写的训练数据。如果效果好，到底是 跨 agent 潜状态传递 这个架构真的有效，还是"老师好所以学生好"？这其实是模型蒸馏研究里一个很普遍的真假命题。

论文作者意识到了这个陷阱，并做了一个受控对照：让同一个教师模型去训练其他几种 agent 协作架构。如果结果只是教师好，那么所有架构应该差不多。**实验结果是新架构仍然胜过其他架构**——博主直接结论："Yes, the brain linking really works." 这意味着架构本身的贡献独立于教师蒸馏，是个可迁移的设计原则，而非一次性巧合。

### 6. 已知边界：模型规模、潜思维长度上限 [05:52](https://youtu.be/dUmT0OIGoqE?t=352)

博主很克制地列了两条局限，避免视频变成单边吹捧。第一，目前只在较小模型上验证过；是否能 scale 到更大模型**未知**。如果不能 scale，最差场景也只是"给开源小模型打了激素"，仍是有用结果；如果能 scale，则是潜在的 game-changer。

第二，存在一个最优的"潜思维长度"上限，约 80 步。也就是说每个 agent 在一轮内能做的潜计算是有限的，超过 80 步后边际收益迅速衰减。博主顺嘴补一句——它都能解奥数级别的题了，超过 80 步没价值也无所谓。代码与模型权重已开源，但博主反复强调"still research, please don't think you just plug this in"。

## 可执行步骤

- [ ] 克隆 [RecursiveMAS 代码仓库](https://github.com/RecursiveMAS/RecursiveMAS) 跑一遍论文给出的 baseline，对照自己手里的多 agent 流水线
- [ ] 拿一支 sub-10B 开源模型跑同一组数学题，记录切到潜状态传递前后的 token 数与延迟
- [ ] 在自己已有 pipeline 里选一个"中间文本产物长且固定"的环节（如 planner→executor），试点把中间产物改成 embedding 直传
- [ ] 阅读同频道往期视频里讲过的"神经接口读脑"研究，跟 跨 agent 潜状态传递 的思路做横向对照

## 关联

- Pipeline(专家串行)：互补。本片描述的就是 plan→critique→solve 的 3 agent 串行结构，与索引里的 Pipeline(专家串行) 拓扑完全一致；但本片独有**传递介质**这一维度——同样的串行结构，把介质从"英文文本"换成"潜状态"则收益大增。读 Pipeline(专家串行) 解决"要不要拆 agent"，本片解决"拆完后用什么传"。

## 一手来源与延伸

- 论文项目页：https://recursivemas.github.io/（视频 description 第 2 条）
- 代码仓库：https://github.com/RecursiveMAS/RecursiveMAS（视频 description 第 3 条）
- 视频提及"500 videos ago"的脑机接口研究：https://www.youtube.com/watch?v=IUg-t609byg（视频 description 第 4 条）

## 术语

- 潜状态（latent state）:模型内部的、未经离散化解码的高维向量表示，可视为"模型在思考时的脑电信号"
- 跨 agent 潜状态传递（cross-agent latent state transfer）:agent 之间不经过文本编码/解码、直接传递彼此潜状态张量的通信范式，本视频首次系统化科普
- 蒸馏（distillation）:用一个更大的"教师模型"训练一个较小的"学生模型"的方法，本片里被作为需要排除的混淆变量

## 金句

> "Why are we doing that? Who said they should talk in plain English?" — 主播反问一句把"agent 用英文通信"这件默认假设整个掀翻。这是整篇视频的认知杠杆点。[02:41](https://youtu.be/dUmT0OIGoqE?t=161)

> "Forget English. You know what? Forget letters entirely." — 论文主张的浓缩表达：放弃英文，放弃字母，直接传潜状态。[02:49](https://youtu.be/dUmT0OIGoqE?t=169)

## 立场与利益

视频末段是 Weights & Biases / Weave 工具的明确推广（含 wnb.me/papers 短链与 description 同款链接），属于商业赞助内容，需对其中数字主张打折采信：

- 与利益同向："4 美元就能训练整套系统"这种成本数字易让人联想到 W&B 工具链省钱——待印证（论文自身数据为证，但本片转述可能放大）
- 与利益反向：博主主动列出"只在小模型测过""潜思维长度 80 步上限"两条局限，且反复强调"still research, please don't plug it in"——这种自泼冷水的表述与 W&B 卖工具无直接利益关系，可信度单独标高
- 利益中性：73% → 86%、token 用量下降 75% 是论文实验结果本身，主播只是转述，赞助与否不影响数字真实性

## 价值定位

- 适合谁：在做或评估多 agent 系统、关注 sub-10B 模型极限、对"传递介质"这种架构层细节感兴趣的工程/研究读者
- 解决什么：给"多 agent 协作为何常常不如单 agent"这个老问题提供了一个具体的新解法——不是改拓扑，而是改介质
- 认知 vs 实操：偏认知。论文已开源代码，但博主明确说"不要以为装上就能飞"，距离生产可用仍有研究空白
- 与已有笔记重叠：本频道（Two Minute Papers）尚无既往笔记，无重叠

## 自检问题

1. 视频主张的 跨 agent 潜状态传递 与传统"agent 用英文文本通信"相比，最大的两点收益是什么？
   **答案**:准确率从 73% 提升到 86%（数学竞赛级题目）、token 用量下降 75%，见详解4。([03:53](https://youtu.be/dUmT0OIGoqE?t=233))
2. 博主为什么要专门做"同教师 + 不同架构"的受控对照实验？
   **答案**:排除"效果好只是因为教师模型蒸馏得好"这个混淆变量，确认收益归属于 跨 agent 潜状态传递 这一架构本身，见详解5。([05:16](https://youtu.be/dUmT0OIGoqE?t=316))
3. 视频明确给出的两条已知局限是什么？
   **答案**:一、只在 sub-10B 小模型上验证过，能否 scale 到大模型未知；二、每轮最优潜思维长度约 80 步，超过后边际收益迅速衰减，见详解6。([05:52](https://youtu.be/dUmT0OIGoqE?t=352))
4. 视频里博主用的"神经接口读脑"类比，最终是为了论证什么观点？
   **答案**:论证"字母表是为书写优化的，不适合思考"——同理，"英文文本"是为人类阅读优化的，不适合 agent 之间的内部通信；进而推出 agent 之间应该直接传潜状态而非写英文，见详解2。([02:00](https://youtu.be/dUmT0OIGoqE?t=120))