从大语言模型（LLM）到智能体（Agent），代表了人工智能（AI）系统从"言"到"行"的范式跃迁。 更进一步，当多个 Agent 以组织形态出现，并通过协同合作、并行工作产出超越个体智能的成果时，AI 的下一个范式——"智能体组织"（agentic organization）——便出现了。 然而，尽管当前的 LLM 作为个体 Agent 已经展现出令人惊讶的推理能力，但要真正实现"智能体组织"的愿景，LLM 不仅要能够独立思考，还必须作为一 个有组织的系统进行协同思考。 为此，微软团队提出了一个名为"异步思考"（AsyncThink）的 LLM 推理新方法，即把内部思考过程组织成可以并发执行的结构，从而解决现有并行思考 方法中存在的延迟高、适应性、动态性差等难题。 通过这种方式，模型不仅能并行处理多个子问题，还能动态调整思路，实现更灵活、更高效的推理。 为训练 AsyncThink 模型，他们提出了一个两阶段训练过程：冷启动格式微调、强化学习。 实验表明，与并行思考相比，AsyncThink 在提高数学推理准确性的同时，将推理延迟降低了 28%。此外，AsyncThink 还可以将其学到的异步思考能力进 行 ...