少推理、按需升级：面向边缘LLM Agent的校准推理与不确定性转交

遵循 ReAct 范式的 LLM 代理有望成为复杂多步骤任务的推动者，包括多跳问答、代码生成和物理 AI 系统的控制。然而，当部署在边缘时，它们必须严格管理其推理预算，同时保持可靠，并仅在本地不确定性太高而无法安全操作时才遵循云端模型。我们提出 Think Short, Defer Smart (TSDS)，这是一个协同集成轻量级收敛探针的框架，一旦预期操作稳定，该探针就会停止设备上的推理，而基于困惑的延迟规则会将不确定的操作升级到云端模型。两种机制通过多目标学习然后测试（LTT）程序在端到端事件轨迹上联合校准，为预期事件奖励和云调用率提供同步有限样本保证。我们在四个 ReAct 基准上评估 TSDS，涵盖算术推理 (GSM8K)、多跳问答 (HotpotQA)、代码生成 (MBPP) 和多步具体规划（家用机器人），并与仅思想校准和仅校准延迟独立基线进行比较。与 HotpotQA、MBPP 和家庭机器人任务中的仅延迟基线相比，TSDS 将每集思维计算量减少了 43%-65%，同时保持经过认证的奖励和云调用率保证。