Ross Taylor：RL 双重激励将催生并行协作的 agent 集群

Ross Taylor 提出一套机制推演：当“思考”更有利时，RL 会激励 agent 投入更多推理算力，这就是推理范式的由来。若 agent 同时因更快取得进展而获得奖励，它们便有并行分工的动力；一旦这些工作需要协调，通信就变得有用，由此自然涌现 agent 集群/蜂群（agent collectives、agent swarms）。