在强化学习中，交互视野（interaction horizon）指单个回合中智能体能够与环境交互的最大步数。近期研究表明，扩大视野可以显著提升大语言模型（LLM）代理在长时序任务上的表现。传统做法采用固定视野或预设的递增计划，但这些计划是开环的：视野单调增长直至手工设定的上限，缺乏判断何时继续扩展已无收益的机制。
我们提出 有效交互前沿假设：存在一个动态边界，超过该边界后每增加一次交互的收益递减，而计算成本却线性增长。基于该假设，我们设计了 Elastic Horizon（弹性视野）控制器，它通过监测成功轨迹长度的第 90 百分位数来实时估计前沿位置，实现闭环调节。
在 AppWorld 和 BFCL 两个基准上，我们先进行固定视野的全扫实验，观察到成功率随视野增大出现明显的饱和平台。随后在不同的初始视野（过小或过大）下启动 Elastic Horizon，结果表明控制器能够将视野稳定在饱和区间内，既避免了资源浪费，又提升了成功率。相较于固定视野，Elastic Horizon 在 7B 与 14B 模型上均取得最高成功率，并且在每步轨迹的 token 消耗上最高节省约 25%。
我们的工作将焦点从“如何扩展交互视野”转向“何时停止扩展”，为大规模 LLM 代理的高效训练提供了新的思路。
点评