ai, agent,

一分钟读论文:《SR2AM:自我调节模拟规划如何实现高效Agent推理》

Unbug By Unbug Follow Jul 16, 2026 · 1 min read
Share this

卡内基梅隆大学和国际金融管理学院的论文《Efficient Agentic Reasoning Through Self-Regulated Simulative Planning (SR2AM)》提出了一种将大语言模型决策过程分解为三个系统的架构,使30B参数模型的性能达到685B至1T参数级系统的水平,同时将推理token消耗减少25.8%至95.3%。

问题背景:Agent何时规划的根本难题

当前基于大语言模型的智能体在执行复杂任务时面临一个核心矛盾:完全依赖即时反应会导致决策质量低下,而每次执行前都进行深度规划又会造成巨大的计算开销。现有方法通常采用固定的推理策略——要么始终使用快速直觉式响应,要么在每一步都启动昂贵的模拟推演。这种一刀切的方式无法适应不同任务的复杂度差异。

更深层的问题在于,Agent缺乏对自身认知过程的元控制能力。它不知道何时应该停下来思考、规划到什么深度才足够、以及何时可以直接执行已有计划。这种自我调节能力的缺失,使得现有系统在效率与准确性之间难以取得平衡。

核心方法:SR2AM的三系统架构

SR2AM受人类认知科学中双系统理论的启发,将其扩展为三个协同工作的子系统。System I 负责反应式执行,以极低延迟直接输出动作,适用于简单或已明确的任务场景。System II 承担模拟规划功能,利用世界模型预测不同决策路径的潜在后果,在复杂任务中提供深思熟虑的方案。

两个系统之上是关键的 System III——自我调节模块。它不直接参与执行或规划,而是充当决策者:在每一步判断当前情境需要何种处理方式。Configurator的输出只有三种可能:make new plan(启动新的模拟规划)、continue existing plan(沿用已有计划继续执行)、或 skip planning(跳过规划直接反应)。这种设计使得Agent能够根据任务复杂度动态分配计算资源,避免不必要的规划开销。

三系统的协作流程如下:System III首先评估当前状态,若判断需要规划则调用System II生成新方案;若决定沿用现有计划则由System I执行下一步动作;若情境足够简单则跳过规划直接响应。这种分层架构既保留了快速反应的能力,又在关键时刻提供了深度推理的保障。

实验结果与优势

SR2AM在多个基准测试中验证了其有效性。最引人注目的结果是性能效率比:使用30B参数的模型通过SR2AM架构,在多项任务上的表现达到了685B至1T参数级系统的水平。这意味着参数量相差数十倍的模型,经过合理的推理策略优化后可以在实际效果上实现跨越。

Token消耗方面的提升同样显著。相比始终进行深度规划的基线方法,SR2AM减少了25.8%至95.3%的token使用量。Configurator的决策分布显示,在多数任务步骤中System III倾向于选择continue existing plan或skip planning,只有在遇到真正需要推理的情境时才调用System II。这种选择性规划机制是效率提升的核心原因。

实验还表明SR2AM在不同规模的模型上均有效,从小型7B参数到大型30B参数的模型都受益于三系统架构。Configurator的学习曲线显示,随着训练数据增加,自我调节模块能够更准确地判断何时需要深度推理,进一步提升了整体性能。

References


Related
Featured