贝尔曼语言模型
2 节点0 篇2 来源
【背景】在受限工作流中，大语言模型（LLM）智能体常因重复推导相同决策而效率低下。2026年10月，Stevens Institute of Technology的研究者Adarsh Vatsa和William Eiers提出“贝尔曼语言模型”（BLM）框架，旨在将智能体的重复决策转化为可预解的马尔可夫决策过程。
该研究的核心观点是：在如电信客服等边界明确的任务中，智能体的状态空间会趋于饱和。传统LLM每轮都重新计算最优动作，造成资源浪费。BLM通过“离散化，然后决策”的方法，从日志或运行数据中提取状态，求解一次最优策略后复用。实验显示，在τ²-bench电信任务中，Qwen3.8-27B作为BLM运行时，准确率从29%提升至96%，同时减少93%的模型调用；Claude Opus 5.5的成本降低约98%。然而，在需要生成复杂内容的任务（如解决SymPy问题）中，该方法效果有限。
这一发现挑战了当前仅依赖LLM原生推理的范式，表明结合经典强化学习理论可显著提升智能体的经济性和可靠性。争议点在于该方法对“有界”任务的依赖性及其在开放域中的泛化能力。
事情怎么走到这一步
Adarsh Vatsa和William Eiers提交论文《Bellman Language Models: Solving the Recurring Decisions of LLM Agents》至arXiv。
arxiv.org ↗媒体发布报道，介绍BLM框架如何通过预解马尔可夫决策过程优化AI智能体，并引用其在Qwen和Claude模型上的实验结果。
arxiv.org ↗
还没定论的部分
- BLM方法在非结构化或高度开放的对话场景中的实际表现如何？
- 除了Stevens Institute of Technology的研究团队外，是否有其他机构复现或验证了这些实验结果？
- 该方法是否已被集成到主流的智能体开发框架中？