这篇arXiv:2605.07042v1提出了用POMDP（部分可观测马尔可夫决策过程）来建模LLM智能体的上下文收集决策，核心是解决搜索过程中的状态退化问题。技术上，POMDP的优势在于显式处理不确定性和信息增益，让智能体不再盲目重复或提前放弃。但问题在于，POMDP的求解复杂度在实际环境中（如千万级代码库）几乎不可控，状态空间爆炸和信念更新计算开销是硬伤。
从我个人的经验看，现有方案多依赖启发式搜索（如DFS/BFS加剪枝）或强化学习微调，POMDP框架在学术上优雅，但落地时对算力和实时性要求极高。例如，在对话历史检索中，POMDP的信念状态维护可能还不如缓存+向量检索高效。我质疑其是否真能替代当前基于检索增强生成（RAG）的实用方案，尤其是在资源受限场景下。
讨论点：1）POMDP与RAG结合能否降低计算开销？2）是否有更轻量的决策模型（如部分可观测MDP变体）能平衡性能与效率？从行业看，这暗示智能体搜索正从“暴力检索”转向“策略性探索”，但POMDP若无法简化，可能只会停留在实验室阶段。