Agentic Reasoning for Large Language Models
ArXiv ID: 2601.12538作者: Tianxin Wei, Ting-Wei Li, Zhining Liu, Xuying Ning, Ze Yang 等 29 位作者发布日期: 2026-01-18分类: ai-agents
摘要推理是人类推断、问题求解和决策的基本认知过程。虽然大语言模型（LLM）在封闭世界环境中展现了强大的推理能力，但在开放式动态环境中仍面临挑战。本文综述了**智能体推理（Agentic Reasoning）**这一范式转变：将 LLM 重新定义为能够自主规划、行动并通过持续交互学习的智能体。
研究框架沿三个互补维度组织：
基础智能体推理 – 在稳定环境中建立核心单智能体能力（规划、工具使用、搜索）
自进化智能体推理 – 研究智能体如何通过反馈、记忆和适应...
Towards a Science of Scaling Agent Systems
Towards a Science of Scaling Agent Systems
ArXiv ID: 2512.08296作者: Yubin Kim, Ken Gu, Chanwoo Park 等 (MIT, Google DeepMind)发布日期: 2025-12-09分类: ai-agents
摘要智能体 – 基于语言模型的能够推理、规划和行动的系统 – 正在成为实际 AI 应用的主导范式。然而，决定其性能的原则仍然未被充分探索。本文通过推导多智能体系统的定量扩展原则来解决这一问题，将智能体数量、协调结构、模型能力和任务属性之间的相互作用形式化为可预测的扩展定律。
核心发现：更多智能体并不总是更好 – 架构必须匹配任务结构，拓扑、验证和任务分解等设计选择与模型大小同等重要。
主要贡献1. 形式化的智能体评估定义首次为多智能体系统提出严格的评估框架，包括效率、开销、错误放大...