新论文：把上下文获取变成主动推理，直击 agent 错误假设
omarsar0 · x · 2026-08-23
@omarsar0 解读了一篇关于 AI agent 的新论文，核心观点：当前 agent 的很多问题——幻觉、成本低效、不可靠的工具调用——都源于 LLM 做出的错误假设。
- 根因在于用户提示时常遗漏约束，agent 只能去猜默认值，或浪费 token 去问澄清问题、做检索、试错。上下文获取一直被当作事后考虑，而不应该是。
- 论文为这个问题给出了一个目标函数：将上下文获取形式化为对潜在任务状态的主动推断（active inference）——内层步骤更新对任务的信念，外层步骤在「继续获取上下文 / 执行任务动作 / 停止」之间选择，以最小化总体成本。
作者认为，若能解决这一层问题，即使现有 LLM 的性能与效率也会显著提升。
「编程与Agent」频道最新
- Dawn Song 团队推 Vero 基准，测评 AI 生成正式验证代码库能力 — dawnsongtweets · 2026-08-23
- 开源 LoRA Image Curator：一站式管理 LoRA 训练数据集 — FreakazoidRobots · 2026-08-23
- MegaMemory 让编码 Agent 构建项目知识图谱，实现跨会话记忆 — tom_doerr · 2026-08-23
- Claude Code 远程控制升级，支持手机同步操作 — daniel_mac8 · 2026-08-23
- Biscuit 实现 Agent 在浏览器与服务器间无缝接力运行 — Vjeux · 2026-08-23
- 300 个 Agent 产生 4 万种关系，图数据库解决信息噪声 — Roger_M_Taylor · 2026-08-23