先思考再思考：通过元推理扩展智能体推理

一篇 arXiv 论文提出 agentic meta-reasoning，把 agent 执行中的控制决策显式化为结构化推理过程：worker 负责任务计算，controller 汇总已确立结论、探索候选方案、在剩余预算下评估价值并派发工作，且只携带紧凑运行摘要而非完整历史。在 ProgramBench 上，搭配 GPT-5.5 达到 71.5%，高于 Codex 的 58.0%；搭配 Opus 4.8 为 67.2%，高于 Claude Code 的 65.5%。其他基准上较直接控制平均提升 3.6 至 4.2 分。

此前 agent 的推进多依赖模型本身在单步内隐式决定下一步，长程任务容易出现重复劳动与预算失控。该工作把“如何控制执行”从隐式行为变为可比较的显式推理层，并在长程程序重建任务上给出与生产级 coding agent 的对照数据，说明控制层设计本身可能成为独立的能力增量来源。

机制是把一次运行拆成两类角色：worker 承担任务级计算，controller 维护状态、生成并评估候选、在剩余预算约束下选择并派发，同时用持久记忆传递上下文，控制器在决策之间只保留紧凑运行摘要以控制上下文成本。由此把长程执行转化为持续的预算分配与方案比较问题，避免重放完整历史。

对做 agent 产品的团队，这意味着可把控制策略与底层模型解耦，单独优化任务分解、候选评估和停止条件。研发上需要新增运行状态管理、预算计量与派发调度模块；成本上元推理有额外开销，小预算场景可能反而变差，需设定适用预算门槛。

• 在 coding agent 产品中把控制层抽成独立模块，用固定 worker 模型对比直接控制与元推理的成功率与 token 成本。
• 针对长程任务构建预算感知的调度器，在剩余预算低于阈值时自动回退到直接控制，避免小预算下的性能下降。
• 开发运行状态紧凑摘要与持久记忆组件，减少重放完整历史带来的上下文成本。
• 围绕 ProgramBench 类程序重建任务建立内部评测，验证方案复用率与正确解覆盖率是否随预算持续提升。

• 论文中元推理的开销具体有多大，在哪些预算区间会低于直接控制，证据只给出定性描述。
• 摘要末尾提到的 artifact-graph 分析中“nonunif…”被截断，方案复用与覆盖率随预算的非均匀变化细节未知。
• 除 ProgramBench 外的其他基准名称、任务构成和三个 frontier model 的具体身份未在证据中列出。
• 紧凑运行摘要与持久记忆的具体实现方式及对延迟的影响未被证据说明。