PORA：讓 LLM 代理學會何時值得更深入推理

大型語言模型代理會跨多個步驟執行任務，並根據回饋修正行動。由於整體推理預算有限，且必須留給後續步驟使用，代理在每次行動前都要在短推理與長推理之間作出選擇。較長的推理或許能避免後面的錯誤、改善最終結果，但也會消耗未來決策所需的預算。這帶來兩個難題：如何估計長推理對後續的價值，以及如何判斷這個價值何時值得動用剩餘預算。 一個名為 PORA（Paired Outcome-guided Reasoning