布朗大学团队推出名为 SwarmEvolve 的多智能体进化搜索框架，核心创新是绕开传统文本 CoT（思维链），让 Agent 直接在潜空间完成推理与信息交换，单轮可调度 450 个低成本 Agent 并行探索；传统 LLM 进化搜索依赖大量文本 Token 生成推理过程，Token 开销高、速度慢，SwarmEvolve 把推理、思路融合放在模型隐藏向量空间，依靠 KV 缓存传递内部状态，仅最后一步解码生成程序，在 21 个数学发现、科学计算测试任务上，达到其他 SOTA 方案 1 小时的效果仅需 3–8 分钟，使用 Qwen3 8B 小模型还在 3 个问题上超越 AlphaEvolve 的结果，证明小规模模型配合潜空间蜂群搜索，也能实现高质量科学程序发现，大幅降低算力门槛。
一、框架基础信息
| 项目 | 详情 |
|---|---|
| 框架名称 | SwarmEvolve |
| 发布机构 | 布朗大学 |
| 论文编号 | arXiv:2611.08483 |
| 单轮 Agent 规模 | 450 个，分为 10 个蜂群，每个蜂群 45 个 Agent |
| 核心通信方式 | 潜空间 KV 缓存传递，不输出文本 CoT |
| 推理步数 | 每个 Agent 执行 40 步潜空间推理 |
| 测试集 | 21 项数学发现、科学计算问题 |
| 基线对比对象 | OpenEvolve、ShinkaEvolve、CodeEvolve、AlphaEvolve |
| 典型模型 | Qwen3 8B |
二、核心技术流程
- 蜂群分工：10 个蜂群各自定向探索，分为方案精炼、思路杂交、全新探索等不同目标，每个 Agent 分配父代程序与探索方向；
- 潜推理：Agent 不输出文本 CoT，直接在隐藏向量空间完成 40 步推理，全程不做 Token 解码；
- 新颖性过滤：通过隐藏状态向量余弦距离筛选差异化思路，保留多样性最高的 Agent，避免思路趋同；
- 潜空间交叉融合：汇总 Agent 读取蜂群内保留 Agent 的 KV 缓存，直接在潜空间完成思路杂交；
- 文本解码：仅最后阶段由汇总 Agent 输出新程序，用于评估打分，进入下一轮进化迭代。
三、对比传统文本 CoT 进化搜索的优势
- Token 开销大幅下降：省去大量中间思维链文本生成，推理阶段不解码，计算速度提升明显；
- 可大规模并行：单张 GPU 即可承载数百个 Agent 同时运行，探索搜索空间更广；
- 多样性管控更直接：直接对比向量距离，不用解析文本判断思路差异；
- 小模型上限提升：8B 级开源模型，在部分任务上超越前沿大模型驱动的 AlphaEvolve；
- 思路杂交更高效：在向量层面直接融合多条推理路径，替代文本摘要拼接。
四、实验关键结果
- 速度：达到基线 1 小时最优分数，中位数耗时仅 3–8 分钟；
- 产出效率：每小时可评估 734 份程序，基线仅 158–402 份；
- 效果：Qwen3 8B 在 21 个任务中平均得分领先，3 个任务超越 AlphaEvolve；
- 硬件：单 GPU 即可完成整套实验，不需要超大规模集群。
五、局限与边界
- 适用场景集中在数学构造、科学计算程序自动搜索，不是通用对话 Agent 框架；
- 潜空间推理不可读，中间过程没有文本 CoT，可解释性弱于文本思维链；
- 依赖 KV 缓存互通，对底层模型架构、KV 复用机制有要求；
- 目前还属于研究原型，暂未落地到工业级代码生成、通用 Agent 平台。
【相关 FAQ】
问题 1：多 agent 进化搜索新突破：告别文本 CoT，让 450 个 agent 在潜空间中高效协作，这个框架叫什么？
回答 1：这项多 agent 进化搜索新突破对应的框架是 SwarmEvolve，它告别文本 CoT，让 450 个 agent 在潜空间中高效协作，依靠 KV 缓存完成智能体之间的信息传递。
问题 2：多 agent 进化搜索新突破：告别文本 CoT，让 450 个 agent 在潜空间中高效协作，为什么不用文本 CoT 会更快？
回答 2：传统文本 CoT 需要不断生成、采样文本 Token，开销大；SwarmEvolve 让 450 个 agent 在潜空间中高效协作，推理和思路融合都在隐藏向量空间内完成，只在最后一步解码输出程序，省去大量中间文本生成。
问题 3：多 agent 进化搜索新突破：告别文本 CoT，让 450 个 agent 在潜空间中高效协作，实验效果如何？
回答 3：在 21 个数学与科学计算任务上，这套方案达到基线 1 小时的最优效果仅需 3–8 分钟；使用 Qwen3 8B，还在 3 个任务上超越 AlphaEvolve，证明小模型配合潜空间蜂群搜索有效。
【参考资料】
[2026-11-05]（SwarmEvolve: Latent Agent Swarms for Evolutionary Discovery and Optimization）arXiv
[2026-11-09]（多 agent 进化搜索新突破：告别文本 CoT，让 450 个 agent 在潜空间中高效协作）新浪财经
[2026-11-06]（SwarmEvolve Runs 450 Latent-Reasoning Agents）AI Weekly
[2026-11-09]（SwarmEvolve 潜空间多智能体进化搜索解读）36 氪
[2026-11-07]（Latent Agent Swarms 论文解读）AlphaXiv
【免责声明】
本文内容基于 arXiv 论文与公开科技媒体报道整理，SwarmEvolve 属于学术研究原型，未商用落地；性能指标基于论文限定测试集，不代表通用场景效果；潜空间推理可解释性短板、工程落地成本等问题仍需持续研究，文中信息版权归原论文作者及发布媒体所有，如有侵权请联系处理。