面向高效智能体推理的潜在动作重参数化

大语言模型（LLM）智能体往往依赖冗长的低层文本动作序列，导致有效决策视界大、推理成本高。以往工作多聚焦于通过系统级优化或提示工程提升推理效率，我们认为一个关键瓶颈在于动作空间本身的表示。我们提出潜在动作重参数化（LAR），这一框架学习一个紧凑的潜在动作空间，其中每个潜在动作对应一个多步语义行为。通过把智能体动作重参数化为潜在单元，LAR在保持原动作空间表达能力的同时，使决策得以在更短的有效视界上进行。与手工宏或分层控制器不同，潜在动作从智能体轨迹中学习并直接集成到模型中，使规划与执行都能在抽象动作表示上运行。在一系列基于LLM的智能体基准上，LAR显著缩短了有效动作视界，并在固定计算预算下提升了推理效率。由此，我们的方法大幅减少了动作token及相应的实际推理时间，同时保持或提高了任务成功率。这些结果表明，动作表示学习是扩展高效LLM智能体推理的一个关键且未被充分探索的因素，与模型架构和硬件方面的进展互补。