研究者提出贝尔曼语言模型：预解马尔可夫决策以优化AI智能体

研究人员Adarsh Vatsa和William Eiers于2026年10月17日提交论文，提出了一种名为“贝尔曼语言模型”（BLM）的新框架，旨在解决大型语言模型（LLM）智能体在处理重复性任务时的效率低下问题。传统LLM智能体往往在每一轮对话中都重新推导决策，即使面对的是已经见过的相同状态。BLM的核心思想是“先离散化，再决策”：它将智能体的交互历史转化为离散的马尔可夫决策过程（MDP），预先计算出每个状态下的最优行动策略，然后由一个轻量级控制器执行这些固定策略，仅在遇到未见过的状态时才调用LLM。

论文摘要指出，在受限的智能体工作流中，决策空间往往会趋于饱和，即智能体反复遇到相同的状况。通过将这些决策视为优化问题并一次性求解，可以显著降低成本并提高可靠性。实验数据显示，在tau2-bench电信任务基准测试中，仅使用控制器而不依赖模型即可解决79%的任务。当作为BLM运行时，开源模型Qwen3.8-27B的任务解决率从29%提升至96%，同时模型调用次数减少了93%。对于Claude Opus 5.5这样本身表现较强的模型，BLM模式也能将其每任务的模型调用和成本降低约98%，并额外解决两个任务。

然而，该方法并非万能。作者明确承认，当任务难点在于内容创作而非动作选择时，例如解决SymPy代码库中的复杂问题，由于难以预先确定所有决策路径，BLM带来的帮助非常有限。这表明该框架特别适用于那些状态转换逻辑清晰、重复性高但生成内容相对模板化的工业级智能体场景，如客服自动化、库存管理等。