智能体元推理：Meta 提出的计算资源动态调度新范式

AI智能体通常难以评估自身的进展并决定下一步该做什么。它们可能浪费计算资源，沿着失败的路径继续推进；也可能忽略有希望的结果，或在任务完成前就中止。随着智能体承担更长、更复杂的流程，这些问题带来的成本会进一步升高。

Meta超级智能实验室（Meta Superintelligence Labs）的研究人员开发了一种名为 智能体元推理（agentic meta-reasoning） 的框架，通过为智能体配备一个专门用于决策‘下一步做什么’的推理流来应对这一挑战。该框架使智能体能够评估自身进展、探索替代性方法，并将计算资源导向最有希望的下一步行动。

在软件重构基准测试ProgramBench上，该框架使用GPT-5.5实现了71.5%的平均隐藏测试通过率，而研究人员评估中Codex的对应得分为58.0%。

与 自优化运行时框架（self-improving harnesses） 不同——后者跨多次运行优化驱动智能体的软件与配置——元推理则改进智能体在单次运行过程中如何调度自身工作。这为企业开发者提供了另一种提升智能体性能的途径，且无需修改或微调底层模型。

调度智能体工作的挑战

以一个实现软件组件的编程智能体为例：它已编写出核心功能并通过若干测试，但仍有部分边界情况未解决。此时，它应调查失败原因、重写部分实现、运行额外测试、尝试其他方法，还是直接中止？每个选项均消耗资源，而错误决策可能导致剩余预算被浪费，或破坏原本正常运行的实现。

研究人员将这一挑战称为 元认知控制（metacognitive control），并将其定义为‘评估自身进展，并利用该评估结果决定下一步行动’。

对AI智能体而言，元认知控制意味着决定信任哪些中间结果、基于哪些先前工作继续推进，以及何时分配更多计算资源。一次错误决策可能导致智能体持续在失败路径上浪费算力，或导致其放弃已找到的正确解。

现有智能体常将此类决策与任务执行交织进行。这意味着它们仅依据不断累积的动作历史及与环境的交互记录，在单一步骤中选择下一个动作。随着任务推进，相关信息可能被掩埋于先前的尝试、工具输出和错误之中。

传统 推理时扩展技术（inference-time scaling techniques） 自身亦存在约束。例如生成多个候选方案、批判-修订循环（critique-and-revision loops）以及预定义搜索树等方法，通常需预先确定其计算结构：即在问题揭示哪些计算最具价值之前，便已确定尝试次数、验证步骤数或精炼轮次。

Meta研究人员指出，关于‘下一步计算什么’的决策‘理应拥有专属的智能体式推理过程’。 

他们写道：‘这种审慎思考本身具有其内在结构，即整合本轮运行已确立的内容、探索接下来可采取的行动，并评估各选项的价值。’

智能体元推理的工作原理

Meta研究人员提出的智能体元推理框架，使智能体能够对其自身的推理过程进行推理并采取行动。 

该框架构建了一个重复循环：执行工作、评估结果、识别有前景的下一步行动、分配额外计算资源。先前发现始终在全过程可用，使智能体得以在早期尝试基础上持续构建，而无需反复处理全部执行历史。

研究人员在一种名为元推理智能体（Meta-Reasoning Agent）的推理时运行时框架中实现了该方法。该框架将两个组件分离：执行实际任务的‘工作者（workers）’，以及决定下一步应执行何种工作的控制器（controller）。

工作者可以是单次大型语言模型（LLM）调用，也可以是使用工具检查文件、修改代码及运行测试的编程智能体。控制器可检查其结果、记录自身发现、向新工作者发出针对性指令，并决定何时中止。

控制器遵循四阶段推理循环：

• 评估（Assess）： 控制器检视新近工作者的结果，并更新其对任务的理解。以编程示例为例，它可能记录：主要功能已实现、部分测试失败、错误处理尚未验证。

• 提出（Propose）： 基于上述评估，控制器生成可能的下一步行动，例如调查失败测试、实现缺失功能，或独立验证现有代码。在此阶段，它探索各类选项，而不受剩余预算限制。

• 评估（Evaluate）： 控制器根据可用计算预算权衡所提行动。它可能判定：修复已知失败比重写已正常工作的组件更具价值。 

• 分派（Dispatch）： 控制器向工作者下达指令，并利用先前尝试的相关发现为其提供上下文。此外，它也可选择中止并提交当前已有结果。

每个阶段均可涉及独立的模型调用与内存操作，使控制器能在做出决策前先行开展调查。

该架构的关键组成部分是持久化人工产物记忆（persistent artifact memory）。工作者输出与控制器笔记均作为带唯一标识符的人工产物（artifacts）存储。控制器维持一份关于任务状态的简明评估，并仅在需要时检索详细人工产物。

这些人工产物还构成一张计算图。每当控制器将某个人工产物作为上下文提供给新工作时，系统即记录二者之间的连接关系。例如，一份测试报告可能引向一次定向修复，而另一次工作者随后对该修复进行验证。

该图谱揭示了智能体如何探索替代性方法并基于先前结果持续构建。它还提供了一种分析手段，用以判断智能体是否正高效利用其计算资源，而非生成彼此脱节的尝试。

元推理的实际应用

研究人员在四项基准测试上评估了该框架：IMO ProofBench-Advanced（用于数学证明）、ARC-AGI-2（用于抽象视觉推理）、LongCoT-mini（用于跨多个领域的长视野推理），以及ProgramBench（用于根据文档与可执行参考重建程序）。

他们测试了三款前沿模型：Gemini 3.1 Pro、GPT-5.5与Opus 4.8。其主要基线为直接控制智能体（Direct Control Agent），即Meta-推理智能体的一种变体，该变体不采用独立控制器，而是基于其累积历史在单一步骤中做出控制决策。他们还将该框架与现有研究型运行时框架及编程智能体进行了对比，包括Codex、Claude Code以及 递归语言模型（recursive language models, RLM）。

在所测试的最大计算预算下，元推理在全部12组匹配对比中均取得更高分数。 

其中一项最有趣的发现，是智能体对更大计算预算的响应方式。

当 ProgramBench 预算从 400 次模型调用增加至 1,200 次时，使用 GPT-5.5 的元推理（meta-reasoning）准确率从 64.1% 提升至 71.5%，而直接控制（direct control）准确率则维持在约 64% 左右，并且在最高设置下仅使用了其可用调用次数的大约 18%。

人工制品图（artifact graphs）组件在促成该行为方面发挥关键作用。元推理生成了更多中间结果，以及这些结果之间更多的连接关系。在一个 ARC-AGI-2 示例中，直接控制产生了六个独立尝试和四次浅层后续操作，而元推理则探索了更多分支，并将后续工作与先前结果明确关联起来。

实现具身性元推理（agentic meta-reasoning）

研究人员未在随研究发布的材料中提供官方的开箱即用（ready-to-run）实现，但论文详细说明了控制器提示词（controller prompts）、工作者指令（worker instructions）、记忆接口（memory interfaces）及工具。

开发者可利用这些规范，通过向现有智能体系统添加一个独立的控制循环、持续记录中间工作成果，以及显式评估所提议操作的成本与收益，来开展实验。

ProgramBench 的实现为编程智能体（coding agents）提供了实用经验：工作者将其更改提交至 Git，控制器可通过只读接口检查代码仓库以验证其主张；其运行中评估（running assessment）区分了已实现、已损坏、未经验证和尚未探索的功能；该框架还限制共享工作区内的并行代码修改，以防工作者相互覆盖彼此的更改。

然而，元推理在控制周期内引入了额外开销及大语言模型（LLM）调用。在较小预算下，该框架有时表现甚至不如直接控制；随着可用计算资源增多，其性能才最终超越直接控制。

对于企业级 AI 团队而言，上述发现表明，对计算资源的管理能力应成为智能体评估与优化中一项明确的组成部分。随着智能体处理更长的工作流，它们应具备暂停执行并确定如何最优分配自身资源的能力。