思考之前先思考：通过元推理扩展 Agent 推理
来自 arXiv · 期号 2026-09-30
摘要
Agent 处理长任务时，每一步该做什么本身就成了一个问题。 这篇论文提出 agentic meta-reasoning，把控制与执行分开：一个控制器负责汇总进度、评估剩余预算下各选项的价值、分派工作，工人只做实际计算。控制器在两次决策之间只保留一份紧凑的运行摘要。 在程序重建 benchmark ProgramBench 上，meta-reasoning 配合 GPT-5.5 拿到 71.5%，Codex 是 58.0%；配合 Opus 4.8 拿到 67.2%，Claude Code 是 65.5%。在抽象推理、多领域长程推理和证明生成上，平均比直接控制高 3.6–4.2 分。它在直接控制已经饱和的预算区间里还能继续提升，但小预算下开销会拖后腿。 论文附了开源代码。