仅用于站内搜索，没有排版格式，具体信息请跳转上方微信公众号内链接
Agent为何需要「认知哲学」？
当前AI（如ChatGPT）已能自主规划旅行、科研协作，但根本矛盾暴露：
行为随机性：为什么有时疯狂调用搜索工具，有时又自信满满地胡说八道？
效率黑洞：80%的工具调用可能是无效的（如已知天气仍查天气预报）
论文：TowardaTheoryofAgentsasTool-UseDecision-Makers链接：https ://arxiv. org/pdf/2506. 00886
论文指出：缺乏认知地基！就像人类需要理解「我知道什么/该怎么做」，AI也需要明确的认知框架。
“真正的自主性要求Agent扎根于认知框架——明确知道什么、需要知道什么、如何高效获取知识。”
传统认为：推理（想）→行动（做）是线性流程。本文提出革命性等式：
推理=内部认知工具行动=外部物理工具两者本质都是「知识获取工具」
生活化类比：
当你心算“15×15”→调用内部计算工具（推理）
当你用计算器→调用外部设备工具（行动）
打破「想」与「做」的等级制，让AI自由选择最高效路径。
知识边界（KnowledgeBoundary）：
=AI当前知道/不知道的分界线公式意义：世界知识全集被拆分为「已知」和「待获取」举例：GPT-4知道2024奥运在巴黎（已知），但不知道2032在哪（待查）。
决策边界（DecisionBoundary）：
=决定「用脑」还是「用手」的临界点理想状态：两条边界完全重合→该想时想，该查时查
反例：
边界错位1：知识边界内却调用工具→效率低下（如知道1+1=2仍查计算器）
边界错位2：知识边界外却强行推理→幻觉撒谎（如瞎编2032奥运主办国）
论文分析四种行为模式：
行为模式
典型表现
问题
内外工具滥用
疯狂搜索+长篇大论
耗能高、错误传导
只爱动手（工具依赖）
遇事不决就查API
扼杀AI进化潜能
尽量自主推理，少用工具
可能错过捷径
训练难度极高
最优智能体=极简主义者目标：用最少工具调用（无论内外）完成任务，像高手「四两拨千斤」
训练革命：Next-Tool预测传统AI学接龙文字（Next-Token），新一代需学接龙工具（Next-Tool）→把「何时调用工具」变成可学习技能
对齐黑科技
监督微调：给工具使用打标签（例：教AI“这类问题该查资料”）
强化学习：奖励「正确+省步骤」行为（如OTC-PO算法惩罚多余工具调用）
自进化提示工程如Alita框架让AI自己设计工作流，像人类总结“秘籍”越用越精
当前99%的AI训练只关注结果对错，不管过程多蠢！
视觉Agent：看懂画面缺口（如“冰箱没牛奶”）→自动触发购物工具
具身Agent：机器人身体=终极「外部工具」，物理行动补全知识
多AI协作：各AI共享「知识地图」，像人类团队分工查漏补缺
“AI的智能不在行动频率，而在知道何时思考/何时行动。”——这将塑造更安全、可靠、类人的AI。
备注：昵称-学校/公司-方向/会议(eg. ACL)，进入技术/投稿群
id：DLNLPer，记得备注呦
