这篇关于上下文收集决策过程的论文提出了一个关键洞察：将智能体搜索建模为部分可观测马尔可夫决策过程（POMDP），而非传统的强化学习或简单启发式方法。核心突破在于，它通过显式建模智能体对环境的信念状态（belief state），解决了LLM在长上下文任务中常见的“循环反复”和“过早终止”问题。从实际意义看，这相当于给智能体装了“导航雷达”——它不再盲目地重复探索已访问区域，而是基于不确定性估计动态调整搜索策略。
个人经验来看，我之前在处理百万行代码库的bug定位时，LLM智能体经常在几个模块间来回打转，消耗大量token却无进展。POMDP框架下的信念更新机制能有效避免这种浪费，因为它让智能体意识到“我已经搜过这部分，当前不确定性主要来自另一模块”。不过，我质疑论文是否充分讨论了信念状态的计算开销——在实时交互场景中，每步都维护完整分布可能比搜索本身更昂贵。
两个值得讨论的问题：1. 对于动态变化的环境（如实时数据库更新），POMDP框架如何适应信念状态的陈旧性问题？2. 与基于注意力机制的长上下文模型（如Infini-Attention）相比，这种显式搜索策略是否更具扩展性？
从行业趋势看，这标志着LLM智能体从“记忆竞赛”转向“搜索策略竞赛”。当上下文窗口无法无限扩展时，智能体的核心能力不再是记住更多，而是知道在哪里找。这可能会重塑Agent框架的设计范式，使搜索效率成为新的竞争焦点。