Meta提出元推理框架提升AI智能体表现

Meta研究人员提出一种meta-reasoning框架，不是通过修改底层模型或微调来提升智能体，而是在运行期间改善智能体如何分配和执行自身工作。该方案为企业在不更换模型的情况下提升智能体性能提供了新途径。

该框架在四个基准上进行评估：IMO ProofBench-Advanced、ARC-AGI-2、LongCoT-mini和ProgramBench。在ProgramBench软件重建基准中，使用GPT-5.5时平均隐藏测试通过率为71.5%，对比研究人员评估中Codex的58.0%。

系统通过图形式展现智能体如何探索替代方法并在已有结果上构建，同时分析计算是否被高效利用。在ProgramBench实现中，受控器通过只读接口检查仓库，区分已实现、破损、未验证和未探索功能，并限制并行代码修改，防止相互覆盖。

不过，meta-reasoning在控制循环中会引入额外开销和LLM调用。在小计算预算下，该框架有时表现不如直接控制，但随着计算资源增加而反超。