La Era de la Organización Agéntica: Aprendiendo a Organizar con Modelos de Lenguaje

The Era of Agentic Organization: Learning to Organize with Language Models

October 30, 2025

Autores: Zewen Chi, Li Dong, Qingxiu Dong, Yaru Hao, Xun Wu, Shaohan Huang, Furu Wei

cs.AI

Resumen

Imaginamos una nueva era de la IA, denominada organización agentica, donde los agentes resuelven problemas complejos mediante trabajo colaborativo y concurrente, permitiendo resultados que trascienden la inteligencia individual. Para materializar esta visión, presentamos el pensamiento asíncrono (AsyncThink) como un nuevo paradigma de razonamiento con modelos de lenguaje grandes, que organiza el proceso de pensamiento interno en estructuras ejecutables concurrentemente. Específicamente, proponemos un protocolo de pensamiento donde un organizador asigna dinámicamente subconsultas a trabajadores, fusiona conocimiento intermedio y produce soluciones coherentes. Más importante aún, la estructura de pensamiento en este protocolo puede optimizarse adicionalmente mediante aprendizaje por refuerzo. Los experimentos demuestran que AsyncThink logra una latencia de inferencia 28% menor comparado con el pensamiento paralelo, mientras mejora la precisión en razonamiento matemático. Además, AsyncThink generaliza sus capacidades aprendidas de pensamiento asíncrono, abordando efectivamente tareas no vistas sin entrenamiento adicional.

English

We envision a new era of AI, termed agentic organization, where agents solve complex problems by working collaboratively and concurrently, enabling outcomes beyond individual intelligence. To realize this vision, we introduce asynchronous thinking (AsyncThink) as a new paradigm of reasoning with large language models, which organizes the internal thinking process into concurrently executable structures. Specifically, we propose a thinking protocol where an organizer dynamically assigns sub-queries to workers, merges intermediate knowledge, and produces coherent solutions. More importantly, the thinking structure in this protocol can be further optimized through reinforcement learning. Experiments demonstrate that AsyncThink achieves 28% lower inference latency compared to parallel thinking while improving accuracy on mathematical reasoning. Moreover, AsyncThink generalizes its learned asynchronous thinking capabilities, effectively tackling unseen tasks without additional training.