以行动为中心的图：桥接推理时扩展与情景记忆

推理时扩展（inference-time scaling）的最新进展显著释放了大语言模型（LLM）的复杂推理能力。然而对智能体而言，这些方法存在一个关键的低效问题：以无状态方式运行，并陷入冗余的搜索过程。现有记忆机制大多依赖LLM的推理能力，导致令人望而却步的计算成本。本文提出一个新框架GAMER（Graph-based Action-centric Memory with Episodic Reasoning，基于图的行动中心记忆与情景推理），弥合推理扩展与情景记忆之间的鸿沟。我们的方法将历史推理建模为动态的“行动中心图”（Action-Centric Graph）。通过把记忆机制与LLM解耦，我们的方法能够以少于记忆机制基线的记忆上下文节省token和费用。为了从图中有效提取知识，我们使用双流时序差分（Temporal Difference）学习机制，基于过往的成功与失败来估计行动节点的正值（建议）与负值（规避）。在推理阶段，这一习得的价值函数双向优化决策：正值提供行动建议，负值标示高风险行动。通过在图上执行高效搜索，我们的方法显著提升了推理扩展的效率。在多个基准上的实验表明，GAMER相比原始基线在成功率/进度率上分别取得20.81%/6.17%的优越表现。