核心内容摘要
数据库 --- SQLite/命令/select等增删改查语句/数据库编程 --- Linux
LLM已死Agentic Reasoning重塑LLM智能体思维大多数人都是高估自己一天可以做的事情但是低估了自己一年可以做的事情LLM已死Agentic Reasoning重塑LLM智能体思维如果在2023 年我们还在为 ChatGPT 能写出一首打油诗而惊叹那么到了 2026 年的今天单纯的“文本生成”已经无法满足我们对 AGI 的胃口了。
我们痛苦地发现即便模型参数大到离谱它依然是一个“被动”的预言家——它只能根据你给的 Prompt 算概率却无法像人一样去“试错”、去“查证”、去“反思”。
论文Agentic Reasoning forLarge Language Models链接https://arxiv.org/pdf/
2
12538今天我们要拆解的这篇论文 《Agentic Reasoningfor Large Language Models》 与其说是一篇综述不如说是给所有做 Agent 的人发的一张“藏宝图”。
它不仅仅
总结了过去几年的技术更重要的是它正式宣告了 LLM 从“Static Reasoning”静态推理向“Agentic Reasoning”代理推理的范式转移。
这不是简单的“加个插件”那么简单这是一次对智能本质的重新建模。
认知的跃迁从“大脑缸中之脑”到“具身行动者”这篇论文最核心的洞察在于Reasoning推理不应该只是发生在 Transformer 内部的矩阵乘法而应该是一个物理过程。
让我们看一张图传统 LLM ReasoningInput - Internal Compute - Output。
这是一次性的像是在闭卷考试。
Agentic ReasoningObservation - Plan - Act - Feedback - Memory - Refine。
这是一个闭环像是在做科学实验。
作者非常敏锐地指出这种转变在数学上其实是将 LLM 放入了一个POMDP部分可观测马尔可夫决策过程中。
这不仅是数学游戏它深刻地改变了我们训练和使用模型的方式。
那个打破僵局的公式论文中给出了一个非常漂亮的分解公式将“思考”与“行动”在数学上解耦了(Internal Thought): 这是模型的“内心戏”比如 CoT思维链或者潜在的规划。
这部分是不可见的、纯计算的。
(External Action): 这是模型对世界产生的影响比如调用 API、写文件、移动机器人手臂。
: 历史上下文。
Why it matters?以前我们训练模型是希望它直接输出比如直接写出代码。
现在我们意识到必须显式地建模先想好架构再写代码。
这种“Think before you Act” 的数学表达正是最近 DeepSeek-R1 等 Reasoning 模型大火的理论根基。
进化的三重奏Agentic Reasoning 的完整版图论文没有堆砌算法而是构建了一个名为“三维互补”的宏大框架。
这非常有意思它把 Agent 的能力分成了三个层级像极了生物进化的过程。
Foundational基石单兵作战的能力这是 Agent 的基本功类似于人类学会使用工具。
论文将其细分为三个核心要素Planning规划 不是简单的“一步步来”而是引入了搜索算法。
论文特别提到了从简单的 Chain-of-Thought 到复杂的 MCTS (蒙特卡洛树搜索) 的演变 。
现在的 Agent 在回答问题前会在脑子里“模拟”无数种可能就像下围棋一样。
Tool Use工具 关键点在于从“模仿”SFT到“精通”RL。
早期的 Toolformer 只是在模仿人类调用 API而现在的 Agent通过 RL 学习何时调用工具、如何处理报错 。
Search搜索 这超越了传统的RAG。
Agentic Search 是动态的——Agent 自己决定“我要不要查资料”、“查到的够不够”、“要不要换个关键词再查一次” 。
Self-Evolving进化从经验中学习这一点最让我兴奋。
目前的绝大多数 Agent 都是“失忆”的——你在这就聊得火热换个 Session 它就不认识你了。
但 Self-Evolving Agent 引入了两个关键机制Feedback (反馈循环) 不仅仅是人类给点赞而是包括 Reflective Feedback自我反思如 Reflexion和 Validator-Driven Feedback比如代码跑不通报错了Agent 自动看懂报错并重写 。
Agentic Memory (动态记忆) 记忆不再是简单的 Vector DB 检索。
论文提出了 Memory-as-Action 的概念 ——Agent 会主动决定“这句话很重要我要写进长期记忆”或者“这个策略过时了我要忘掉它”。
这意味着模型在不更新参数的情况下随着使用变得越来越“聪明”。
Collective协作群体智能的涌现当单体智能遇到瓶颈时大自然给出的答案是“群体”。
论文详细探讨了从静态角色扮演如 CAMEL, AutoGen到动态共同进化Multi-Agent Co-Evolution的跨越 。
最精彩的部分在于“协作即推理” (Collaboration as Reasoning) 的观点一个 Agent 的输出Action成为了另一个 Agent 的输入Prompt这种通过 Communication 传递的信息流本质上是一个分布式的推理过程 。
In-context vs. Post-training两条路线之争在如何实现上述能力时论文犀利地指出了当前的两大技术流派派系一In-context Reasoning (推理时编排)做法 也就是 Prompt Engineering 的极致。
通过复杂的 Prompt 流程如 ReAct,Plan-and-Solve来激发模型的潜能。
优点 灵活不需要训练即插即用。
缺点 受到 Context Window 限制且推理成本极高Token 燃烧机 。
派系二Post-training Reasoning (训练后内化)做法 通过 SFT 和 RL特别是像 GRPO 这样的算法将推理模式“烧录”进模型参数里 。
核心洞察 就像 DeepSeek-R1 做的那样让模型内化“搜索”和“反思”的过程。
论文提到未来的趋势一定是 System 2 的能力逐渐被蒸馏进 System 1 的直觉中。
实验与应用不只是纸上谈兵这篇 Survey 的扎实之处在于它涵盖了大量垂直领域的落地情况。
上图展示了应用版图特别值得关注的是 Scientific Discovery科学发现 。
例如 AI Scientist 这样的系统已经不仅仅是辅助查资料而是能独立提出假设、设计实验、编写代码验证、甚至撰写论文。
在这里Agent 实际上是在遍历一个巨大的“科学假设空间”。
Math Coding这里的 Agent 已经不仅是做题家而是探险家。
通过 Self-Correction 和 Execution FeedbackAgent 可以在写代码时自己写单元测试来验证自己的逻辑 。
局限与未来你的 Agent 还缺什么文章最后 提出的 Open Problems 非常值得深思这里挑两个最痛的World Models (世界模型) 的缺失 目前的 Agent 很多时候是在“瞎猜”行动后的结果。
如果 Agent 脑子里有一个 World Model能模拟“如果我删了这个文件会发生什么”它的规划能力将会有质的飞跃。
**Latent Agentic Reasoning (隐式推理)** 现在的 CoT 都是自然语言这其实效率很低。
未来模型可能会在高维向量空间里直接进行“纯思维”的规划而不需要把每一步都翻译成人类语言。
总结这篇 Agentic Reasoning 的论文告诉我们我们正处在 AI 发展的十字路口我们不再仅仅是在训练“模型”我们是在设计“系统”。
未来的 AI 护城河可能不在于你有一个多大的 Base Model而在于你构建了多强大的 Agentic Loop——你的 Agent 能否在环境中生存、记忆、反思并与他人协作。