精选理由
做LLM智能体系统设计的工程师和研究者会看到具体数据：什么设计真正有效、什么只是烧token。这篇论文给出了可操作的优先级——先做好状态抽象和任务分解，再考虑推理增强，值得点开对照自己的设计。
该研究在CybORG CAGE-2（一个对抗性部分可观测环境）中系统评估了复合LLM智能体的设计维度：上下文表示、推理方式和任务分解。实验涵盖5个模型家族、6个模型和12种配置，共3475个回合，并进行了token级成本核算。主要发现包括：程序化状态抽象比原始观测提升最多76%的回报；将推理工具分布在层级中会导致性能下降（最多3.4倍），同时增加1.8-2.7倍token消耗，称为“推理级联”；无推理的层级分解在大多数模型上取得最佳绝对性能。研究建议在结构化对抗POMDP中优先投资程序化基础设施和清晰任务分解，而非加深每个智能体的推理。
AI 翻译 · 中文
该研究在CybORG CAGE-2（一个对抗性部分可观测环境）中系统评估了复合LLM智能体的设计维度：上下文表示、推理方式和任务分解。实验涵盖5个模型家族、6个模型和12种配置，共3475个回合，并进行了token级成本核算。主要发现包括：程序化状态抽象比原始观测提升最多76%的回报；将推理工具分布在层级中会导致性能下降（最多3.4倍），同时增加1.8-2.7倍token消耗，称为“推理级联”；无推理的层级分解在大多数模型上取得最佳绝对性能。研究建议在结构化对抗POMDP中优先投资程序化基础设施和清晰任务分解，而非加深每个智能体的推理。
Deploying compound LLM agents in adversarial, partially observable sequential environments requires navigating several design dimensions: (1) what the agent sees, (2) how it reasons, and (3) how tasks are decomposed acro…