摘要
随着控制理论在LLM代理中的应用逐渐增加，本文提出了一种新的视角来理解受控变量。以往的研究主要集中在工具选择、代理间的信息路由或原始动作流的控制，而我们将上下文组装本身视为受控变量。这包括选择哪个提示模板、使用多少个示例、检索多少上下文、进行多少次规划/验证等。这一过程通过上下文策略 $\\pi_\phi$ 与内部冻结策略 $\\pi_\theta$ 的形式分解来实现。
关键贡献
- 稳定性论证：基于Zhang等人（2026）的研究，证明了在线控制器在有限策略变更下的期望奖励是非递减的。
- 不确定性校准分析：对控制器的自信度与实际任务结果进行分析，确保其输出的可靠性。
- 实验实证：在三个领域和两个模型提供者中实例化相同的控制器，并发布数据集、轨迹日志及部署配方。
结论
本文的贡献在于为上下文组装提供了一个新的控制理论框架，强调了在线学习与策略控制的重要性，为未来的LLM代理研究奠定了基础。
博主点评： 这篇论文提出了一个创新的视角，将上下文组装作为受控变量，突破了传统的工具选择和动作流控制思路。通过控制理论的应用，可以为LLM代理的策略优化提供更为稳健的理论支持，值得深入研究与探讨。