#Structured Reasoning

3 篇

Selection-Based Structured Reasoning: Toward Efficient Multimodal Search Agents

基于选择的结构化推理：迈向高效多模态搜索智能体

🧭 Agent推理效率优化·选择式结构化推理 ★ 深度解读

Apple · Carnegie Mellon University

将多模态搜索Agent的逐步推理从自由生成改为从候选库中并行选择，保持成功率且推理延迟降超90%

📌 工作参考价值（4 点）

在电商导购/搜索 Agent 中，把每轮规划从自由生成改成路由选择：预先定义 5-10 条高频决策候选，如“澄清需求 / 生成搜索 query / 比价 / 读图识别 / 基于证据作答”，让模型按上下文似然打分选择，再用选中候选引导 action 解码。这样能保留自然语言 guidance 的效果，同时规避自回归推理的延迟不可控。
工程上可直接复用“并行 prefill 打分”的做法：对候选文本做 teacher-forced logprob 计算，共享历史 KV cache，不需要额外分类头或 SFT warm-up；用 SGLang 的 logprob_start_len + max_new_tokens=0 可实现。候选库可离线维护，p95 延迟比自由生成稳定得多，适合在线流量。
训练层面，若用 RL 训练 Agent，可把“规划/路由选择”当作 categorical action，动作 token 保持常规 importance ratio；用 GRPO 更稳，GSPO/SAPO 多步更新时 selector-gradient 近似会损失精度，业务上可采用更多 rollout 或一次更新。
候选设计要注意两点：不要只打分 index，要打分完整自然语言文本的语义；库规模从 1 到 6 带来看得见的提升，所以可以先用日志聚类/高绩效轨迹总结出高频意图，再逐步扩展到 6-10 条。

Agent | 2026-09-30 | HF Daily | score 8/10

DARS：双层信用分配强化学习与结构化推理的图像编辑框架

🧭 多模态图像编辑 · 强化学习信用分配

South China Normal University · KlingAI Research

提出 DARS，在 planner-renderer 图像编辑中通过模块间与模块内双层信用分配，将最终奖励分解为局部监督信号，提升 RL 训练效率

📌 工作参考价值（4 点）

在多阶段推荐/Agent 系统中（如 planner-renderer 或召回-排序），用 multi-plan multi-render rollouts 估计模块间和模块内的 reward variability，作为 soft module routing 权重，替代简单的联合 RL 端到端更新，可避免梯度分配不公导致模块优化失衡。
让 LLM 输出结构化字段（如意图、对象、动作、约束四字段）而非自由文本，配合 prefix-gated reward 和 token-level advantage reweighting，可将最终业务指标（如成交、点击）奖励分解到关键生成的 token，提升生成式推荐理由/query 的可控性和训练效率。
自适应课程：利用 rollout 的平均奖励作为样本难度指标，动态调整训练集中难易样本比例，适合电商场景中长尾/困难样本（如复杂意图 query、小众商品）的针对性优化。
跨模块与模块内双层信用分配框架可扩展到“LLM 生成 query -> 检索器执行”的两阶段系统，解决最终指标不好归因于 query 生成还是检索执行的问题。

Multimodal | 2026-08-20 | cs.AI | score 6/10

AwareVLN：具备自我感知推理的视觉语言导航

🧭 视觉语言导航 · 自我感知推理

Tsinghua University

提出自我感知的结构化推理机制，使视觉语言导航智能体明确理解自身状态和任务进展，实现更鲁棒的指令跟随。

📌 工作参考价值（4 点）

结构化推理触发机制：仅在关键决策点动态触发显式推理，分析空间状态、任务进度及指令对齐，避免全程密集推理。电商对话或复杂任务 Agent 可借鉴此设计，按需进行深层次状态审视，降低延迟与冗余计算。
自动数据引擎与进度划分：利用任务进度自动标注生成训练数据，将导航过程切分为语义完整的子任务。可迁移至电商多轮交互场景，通过自动标注对话状态与进度标签，提升训练数据生成效率与模型对流程的理解。
端到端空间-任务感知融合：不依赖3D传感器与显式建图，从RGB视觉输入中以数据驱动方式习得空间与任务自我意识。对于电商推荐中基于视觉或文本的状态跟踪（如用户浏览路径理解）有参考价值，可增强模型对环境与目标的整体把握。
可解释性提升：显式的结构化推理输出（我看到了什么，我完成了什么，下一步计划）增强了决策透明度。可应用于电商推荐系统的可解释性设计，例如在生成推荐理由时融入类似“用户当前处于…阶段，因此推荐…”的推理链条。

Agent | 2026-05-21 | cs.CV | score 6/10