先思考，再思考：通过元推理扩展智能体推断能力

来源：https://academy.dair.ai/papers/thinking-before-thinking-scaling-agentic-inference-through-meta-reasoning-2609.38147 推理 · 智能体 与论文对话（https://academy.dair.ai/dashboard/paper-chat/thinking-before-thinking-scaling-agentic-inference-through-meta-reasoning-2609.38147）

首页

先思考，再思考：通过元推理扩展智能体推断能力

策展人的点评

Paras Dahal、Anton Bakhtin、Taco Cohen、Rob Fergus、Ruslan Salakhutdinov、Sanjeev Arora、Jason Weston、Anirudh Goyal 以及 Meta Superintelligence Labs 的同事们提出了智能体元推理（agentic meta reasoning）——一种推断时的调度框架，由一个 controller 决定分配哪些任务，使“选择下一步“变成一个结构化的推理过程，与任务本身的工作分离开来。

关于这篇论文的问题

要点 01

Controller 与 workers 的分工。Workers 负责任务层面的计算；controller 运行一个四阶段循环（更新状态、提出下一步的计算方案、在剩余预算下评估各方案的价值、分发任务并附带所需的早期输出）。Controller 的调用与 worker 的调用消耗同一预算。

要点 02

紧凑状态，持久内存。在两次决策之间，controller 只保留对运行过程的简短记录；完整的 worker 输出保存在内存中，需要时再检索，因此 controller 的上下文不会随运行时长而膨胀。

要点 03

ProgramBench。使用 GPT-5.5 时，该框架达到 71.5% 的平均测试通过率，而使用相同 workers 的 Direct Control Agent 为 63.7%，Codex 为 58.0%；使用 Opus 4.8 时达到 67.2%，Claude Code 为 65.5%。

要点 04

其他基准测试。在 IMO ProofBench-Advanced、ARC-AGI-2 和 LongCoT-mini 上，以 Gemini 3.1 Pro、GPT-5.5 和 Opus 4.8 三个模型的平均值计，它比直接控制高出 3.6 到 4.2 分，并且在主要预算下的全部 12 组对照比较中均领先。

要点 05

扩展性与局限。在直控制方法趋于平缓的预算区间内，其增益持续增长，但 controller 的额外开销会拉低小预算下的成绩。作者指出，这一比较检验的是整体设计，而非各阶段的单独效果。

摘要

随着智能体承担起更长、更复杂的问题，控制执行过程本身已成为一项任务。运行过程中的每一步都会带来新的控制选择，例如：基于哪部分已完成的工作继续、是否重新开始，以及何时停止。我们提出智能体元推理——一种推断时的调度框架，将这些选择变成一个显式且结构化的推理过程。Workers 执行任务层面的计算，而 controller 汇总运行过程已确立的内容、探索下一步的可选方案、评估每个方案在剩余预算下的价值，并在分发选定任务时附上从持久内存中调取的上下文。在两次决策之间，controller 只携带对运行过程的紧凑记录，而非重放完整历史。我们的基线涵盖生产级编码智能体和研究用框架，并包括一个使用相同 workers 和计算预算配额的 Direct Control Agent。在 ProgramBench 上——该基准通过程序重建来测试长时程智能体能力——元推理使用 GPT-5.5 达到 71.5%，而 Codex 为 58.0%；使用 Opus 4.8 时达到 67.2%，Claude Code 为 65.5%。在其他基准测试上，涵盖抽象推理、多领域长时程推理以及证明生成，以三个前沿模型的平均值计，它比直接控制高出 3.6 到 4.2 分。在直控制方法趋于平缓的测试预算区间内，它持续取得提升，尽管其额外开销在小预算下可能带来负面影响。产物图分析显示：对早期工作的复用更多、在多数场景下对正确解的覆盖更高，并且在最终选择阶段的收益并不均匀。这些结果表明，随着智能体扩展到更长的运行过程，将计算投入于结构化控制变得越来越重要。