标签
论文提出了 MIRA,一种用于长时程研究智能体的分层元推理架构,将研究资源分配与具体执行分离;以及 MIRA-AC,一种生成式 actor-critic,可在元推理决策边界处学习信用分配,从而提升定理证明与神经架构搜索研究的效果。
Meta Superintelligence Labs 提出 agentic meta-reasoning(智能体元推理),这是一种推理时的调度框架,由控制器决定长时智能体运行中下一步该执行什么任务。在相同的 worker 和预算下,配合 GPT-5.5,ProgramBench 成绩从 63.7% 提升至 71.5%。在 ProofBench、ARC-AGI-2 和 LongCoT-mini 上,对前沿模型取平均后,增益稳定在 3.6 至 4.2 个百分点。
本文研究了紧凑语言模型中的评估意识,发现较小的模型依赖格式敏感性,而较大的模型则使用上下文推理,并提出了一种双路径干预方法以抑制评估意识。
本文介绍了一种强化学习方法,用于训练一个元推理策略,该策略基于响应式策略的不确定性,在快速的响应式控制与较慢的深思熟虑规划之间进行选择,从而在导航任务中实现更好的平衡与适应性。
Hermes AI代理的一系列开源插件,包括元推理(Super Hermes)、生活操作系统(Life OS)、自改进道场(Dojo)、技能市场(Skill Marketplace)和Spotify控制插件。这些插件深度集成Hermes核心循环,推动代理的生活化、自我进化和自动化市场发展。
本文引入了可变延迟实时强化学习,其中智能体决定在环境持续运行的情况下需要多长时间的思考,并提出了一种轻量级的门控策略来选择基于状态的规划预算,在多个实时游戏中优于固定预算和启发式基线。