MAXS：基于LLM代理的元自适应探索

大语言模型（LLM）代理通过多工具协作展现出内在推理能力。然而在代理推理过程中，现有方法常受困于：(i)局部短视的生成，因缺乏前瞻（lookahead）；(ii)轨迹不稳定，早期小错会升级为发散的推理路径。这些问题使全局有效性与计算效率难以兼顾。为解决这两个问题，我们提出meta-adaptive exploration with LLM agents（MAXS），一个基于LLM代理的元自适应推理框架，灵活整合工具执行与推理规划。MAXS采用前瞻策略将推理路径向前延伸数步，估计工具使用的优势值，并结合步间一致性方差与步间趋势斜率，共同选择稳定、一致且高价值的推理步骤。此外，我们引入轨迹收敛机制，一旦路径达成一致即停止进一步rollout，以控制计算成本，在多工具推理中实现资源效率与全局有效性的平衡。我们在三个基座模型（MiMo-VL-7B、Qwen2.5-VL-7B、Qwen2.5-VL-32B）与五个数据集上开展大量实证研究，表明MAXS在性能与推理效率上持续超越现有方法。进一步分析证实了前瞻策略与工具使用的有效性。