传统大语言模型受限于静态输入，难以在动态环境中交互和规划。一项研究提出了’智能体推理’新范式，通过’思考-行动-反馈’闭环，将LLMs重塑为能自主学习、适应环境和协同工作的决策智能体。这标志着从’一次性生成’到’序贯决策’的根本性转变，为构建真正通用的人工智能奠定了理论基础。
智能速览
智能体推理将LLMs从被动生成器转变为自主决策的智能体。
通过’思考-行动-反馈’闭环实现动态环境中的自适应推理。
首次用POMDP建模智能体推理，形式化’思考’与’行动’的分离与联动。
构建了能力层级、核心模块与优化模式的三维立体技术框架。
该框架已在数学、代码、化学、机器人等多个领域取得代表性成果。
研究同时提出了个性化、长时序推理等六大核心挑战与发展方向。
精华内容
智能体推理如何具体运作？它并非单一技术，而是一个集规划、工具使用、记忆与反馈于一体的系统工程。其核心在于构建一个能够让模型像人一样思考、行动和学习的完整闭环。
推理范式革新
传统LLM推理的缺陷在于其被动性、短视性和无状态性，仅能依据静态输入生成文本。新范式将LLM视为智能体，其核心是通过’思考-行动-反馈’闭环实现与环境的动态交互。研究采用部分可观测马尔可夫决策过程（POMDP）进行建模，并引入’推理轨迹空间（Z）'，首次将’内部思考’与’外部行动’分离并形式化其联动关系，复刻了人类’先想后做’的决策逻辑。
三维技术框架
研究构建了一个统一的技术框架。横向是’推理能力层级’，从基础的单智能体能力，到自我进化，再到多智能体集体协作。纵向是’核心能力模块’，包括规划、工具使用、搜索、记忆和反馈。垂直方向则是’优化模式’，分为无需训练的’上下文内推理’和追求长期回报的’训练后推理’。
三大核心能力
在基础层，智能体需具备三大核心能力。规划能力使其能分解复杂任务并排序决策，如在代码生成中分解需求。工具使用能力使其能调用外部API或计算器，突破知识局限，关键在于决定’何时用、用哪个、怎么用’。搜索能力则从传统的静态RAG升级为动态决策式检索，能根据交互过程动态调整搜索策略。
进化与协作
自我进化层依赖反馈与记忆。反馈包括实时纠错、强化学习优化等多种机制，驱动智能体从错误中学习。记忆则突破上下文窗口限制，实现长期经验复用。在集体协作层，多智能体通过角色分工、知识共享解决复杂问题，如’Multi-Agent Evolve’框架中的’提议者-解决者-评判者’协同模式，并通过GRPO算法解决个体贡献的信用分配难题。
多领域应用
该框架已在多个前沿领域得到验证。在数学领域，AlphaGeometry解决了奥林匹克几何题；在软件工程中，OpenHands实现了代码仓库级操作；化学合成由ChemCrow规划；具身智能体Voyager在Minecraft中学会了挖矿与建造；WebVoyager则能自主进行网页导航。这些成果证明了智能体推理范式的广泛适用性与巨大潜力。
