Meta-Reasoning框架提升智能体长程推理表现
论文AI 评分 72/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
针对智能体处理长程复杂任务时执行控制难题，该研究提出推理时框架agentic meta-reasoning。其将控制选择显式化，由控制器调度工作节点并评估剩余预算下各选项价值，仅保留紧凑记录而非全量历史。在ProgramBench上，结合GPT-5.5达71.5%（Codex为58.0%），结合Opus 4.8达67.2%（Claude Code为65.5%）。在抽象推理等多类基准上，较直接控制平均提升3.6至4.2个百分点。随计算预算增加，该方法持续改善而直接控制遇瓶颈，但小预算下存在开销劣势。
为什么值得看
为长程智能体提供结构化控制方案，随计算预算增长展现超越直接控制的扩展优势。
MetaGPTClaude智能体基准测试
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。