随着代理处理更长、更复杂的问题，控制执行本身就成为一项任务。运行中的每一步都会带来新的控制选择，例如在哪些部分工作的基础上进行，是重新开始还是何时停止。我们引入了代理元推理（ agentic meta-reasoning ） ，这是一种推理时间利用，使这些选择成为一个明确和结构化的推理过程。工人执行任务-l

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2609.38147v1)获取最准确的信息。

---
🔗 **原文链接**: [Thinking Before Thinking: Scaling Agentic Inference Through ](https://arxiv.org/abs/2609.38147v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Paras Dahal, Anton Bakhtin, Taco Cohen, Zhengxing Chen, Carole-Jean Wu, Rob Fergus, Scott Yih, Gabriel Synnaeve, Ruslan Salakhutdinov, Sanjeev Arora, Jason Weston, Anirudh Goyal

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。
大厂又有新动作了。AI行业现在就是这样——每天都有新东西，不追怕掉队，追了又精力不够。
这篇文章我筛过了，值得花3分钟了解，不需要每个细节都读。
Agent是2026年最卷的方向，没有之一。这篇文章的实操经验够硬。
建议收藏，做Agent开发的时候拿出来翻翻。
推理能力是LLM的下一个战场。这篇文章技术细节到位，适合有一定基础的同学细读。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-09-30 13:01