Chain-of-Agents: End-to-End Agent Foundation Models via Multi-Agent Distillation and Agentic RL

一、文章主要内容总结

本文由OPPO AI Agent团队提出Chain-of-Agents（CoA，智能体链） 新范式，旨在解决现有多智能体系统（MAS）和工具集成推理（TIR）模型的局限性，实现单模型内端到端的复杂问题解决。核心内容可分为以下模块：

1. 研究背景与问题

现有方法存在四大关键局限：

• 多智能体系统（MAS）：依赖人工提示/工作流设计，计算效率低（智能体间冗余通信）、泛化性差（新任务需重新配置）、无法通过数据驱动学习提升性能。
• 工具集成推理（TIR）模型：仅支持“思考-行动-观察”的固定ReAct式轨迹，无法模拟多智能体协作，难以处理复杂任务。

2. 核心方法：Chain-of-Agents（CoA）范式与训练框架

（1）CoA范式设计

在单模型内动态激活两类智能体，模拟多智能体协作：

• 角色扮演智能体：负责高层推理与协调，包括思考智能体（编排推理流程）、规划智能体（任务分解）、反思智能体（自