|
一篇11月2日提交到 arXiv 的新论文提出 Strategist，试图让智能体自动改进“如何推理”，而不只是更换底层模型。作者把推理流程写成可执行蓝图：系统会检索相关蓝图、生成候选策略、用少量开发样本测试，再根据结果修订，并把新策略加入共享库，供后续任务复用。
论文报告，在30个基准任务中，Strategist有24项超过最强对照方法；平均准确率为74.7%（对照为74.0%），推理成本低39%。作者还称，生成的策略能迁移到未见任务及其他模型，无需额外搜索。这里的数字是论文作者报告的实验结果，当前来源为预印本，仍需结合完整论文和后续独立复现判断其适用范围。
值得关注的是，研究把“推理策略”当作可积累、可复用的工程资产：若不同任务间确实能共享有效蓝图，智能体系统或许能减少每次从头手工编排流程的成本；但效果是否能推广到真实部署，还要看基准设置、开发样本和策略库质量。
论文：[Strategist: Evolving Reasoning with Agents](https://arxiv.org/abs/2611.03618) |
0