跳转至

Read this paper write-up in English

Thinking Before Thinking: Scaling Agentic Inference Through Meta-Reasoning

复现级别：L1 核心机制诊断。 执行预算可行性、Evaluate/Dispatch 选择和持久 artifact/紧凑 state 分离；不调用前沿 worker，不复述 ProgramBench 为本地成绩。

论文信息

字段 内容
论文链接 arXiv 2609.38147
公司/机构 Meta Superintelligence Labs（按第一作者署名单位）
首次公开日期 2026-09-29（arXiv v1）
原文开源代码 否：截至 2026-10-01 未找到原作者公开仓库
Adapter meta-reasoning
本地复现代码 src/auto_research/agent_research/latest_20261001.py

原始论文总结

背景与主要改动

把对象级工作交给 worker，把控制本身拆成 Assess、Propose、Evaluate 和 Dispatch；控制器只携带紧凑状态，通过持久 artifact memory 复用既有工作，并在统一调用预算内决定继续、分叉或停止。

flowchart LR
  I[公开输入/当前状态] --> M[meta-reasoning 核心机制]
  M --> A[可审计中间量]
  A --> O[输出/更新状态]

原论文关键图

Thinking Before Thinking: Scaling Agentic Inference Through Meta-Reasoning 原论文 Figure 1

原论文 Figure 1（关键图）：展示原论文提出的核心架构、主要模块及其连接关系。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

\(s_t=Assess(x,s_{t-1},\Delta M_t;M_t)\)，\(\tilde a_t=Evaluate(x,s_t,b_t,\mathcal A_t;M_t)\)，随后 \(a_t=Dispatch(\cdot)\)。本地实现对可行 action 按预期价值/调用成本选择，并把完整 artifact 留在持久 memory。

论文离线与线上效果

ProgramBench 上 GPT-5.5 达 71.5%，Codex 为 58.0%；Opus 4.8 达 67.2%，Claude Code 为 65.5%。其他长程任务相对 direct control 平均提高 3.6–4.2 分。

本地复现

本地对照口径：基线为论文机制关闭或默认状态，实验组为开启对应核心算子；本批只验证不变量和状态转换，跨模型相对变化不适用。

三种子诊断见 metrics/mechanism-seeds42-44.json。diagnostic_only=true，只证明核心状态转换、梯度或调度不变量可执行，不能进入正式能力排名。

复现边界

执行预算可行性、Evaluate/Dispatch 选择和持久 artifact/紧凑 state 分离；不调用前沿 worker，不复述 ProgramBench 为本地成绩。