预算受限的智能体大语言模型：基于意图规划的高成本工具使用 Budget-Constrained Agentic Large Language Models: Intention-Based Planning for Costly Tool Use

INTENT 的完整流程如下。第一步，当智能体在时间步 $t$ 提出工具调用 $a_t = (\text{CALL}, T_t, u_t)$ 时，意图预测器 $W_\rho$ 基于推理轨迹 $r_t$ 和工具调用估计意图满足概率 $\tilde{\rho}_t = P(z_t = 1 | r_t, T_t, u_t)$。第二步，如果 $\tilde{\rho}_t$ 低于阈值 $\delta$，将该工具加入黑名单永久排除。第三步，执行理想轨迹模拟：从当前状态出发，强制条件生成器 $W_\psi$ 在每步都生成满足意图的输出（$z_k = 1$），得到一条确定性的「理想轨迹」 $\tilde{\tau}^*$。第四步，对理想轨迹中的每步工具调用进行几何成本校准：$\tilde{c}_k = \text{COST}(a_k) / \tilde{\rho}_k$，这是因为智能体如果坚持某个计划会不断重试直到成功，期望重试次数服从几何分布。第五步，计算风险调整总成本 $\gamma \sum \tilde{c}_k$（$\gamma$ 是风险偏好参数，实验中固定为 0.5），如果不超过剩余预算 $B_t$ 则批准执行，否则拒绝并返回包含预测成功概率的失败轨迹作为反馈。此外还有三个工程优化：滚动缓存（批准后缓存未来动作序列，后续步骤如果与缓存一致则跳过模拟）、最后调用缓存（如果被拒绝的动作再次被提出则直接批准）、黑名单机制（低概率工具永久排除）。

INTENT 的技术新颖性体现在三个层面。首先，与 MCO 的单次随机模拟不同，INTENT 执行确定性的理想轨迹模拟——强制每步都满足意图——这消除了工具随机性带来的高方差，同时提取了智能体当前持有的隐式计划。其次，与 MCTS 等经典规划算法不同，INTENT 不做树搜索和状态复用，而是限制在单轨迹前瞻，这在无限动作空间（自由格式工具参数）和高推理延迟的智能体场景中是唯一可行的方案。第三，与 BTP（背包问题建模）和 BATS（预算追踪器）等方法不同，INTENT 不假设工具效用独立可加，而是通过意图感知的概率分解来捕获工具调用之间的顺序依赖性。几何成本校准公式 $\tilde{c} = c / \tilde{\rho}$ 是一个优雅的设计：它把意图预测器的输出直接转化为成本估计的修正因子，概率越低意味着预期重试次数越多、成本越高，从而自然地将不确定性编码进预算控制中。

从独立分析的角度，INTENT 有几个值得关注的弱点。第一，意图预测器的校准依赖于后处理温度缩放（post-hoc temperature scaling），这需要一个留出验证集，且在工具市场发生剧烈变化时可能需要重新校准。改进方向：可以探索在线校准方法，利用实际执行结果持续更新预测器的置信度。第二，几何成本校准假设每次重试的成功概率恒定（忽略信息增益），在实践中智能体可能从失败中学习调整参数，实际重试次数可能低于几何分布的预测。改进方向：可以引入贝叶斯更新机制，根据历史重试结果动态调整成功概率估计。第三，黑名单机制一旦将工具永久排除就无法恢复，这在长时间运行的任务中可能导致工具集不断缩小。改进方向：可以设计时间衰减的黑名单，或允许在特定条件下重新评估被排除工具。第四，当前框架只考虑货币成本，未建模时间成本和机会成本，在需要权衡多种资源约束的场景中适用性有限。改进方向：可以将框架扩展为多目标优化，同时考虑货币、时间和信息增益的权衡。第五，INTENT 的理想轨迹模拟是确定性的（强制 $z_k = 1$），这可能过于乐观——某些工具可能在最好的情况下也无法满足意图。改进方向：可以引入分层模拟，对高不确定性步骤进行少量随机采样以获得更现实的成本估计。

论文和其成果可延伸出多个研究方向。首先，作者提出将预算感知作为智能体 AI 的一等目标，未来可以探索将预算约束直接融入智能体的训练目标中（而非仅在推理时控制），例如通过带约束的强化学习让模型内化成本意识。其次，当前的意图预测器和条件生成器是独立训练的，未来可以探索端到端联合训练以提高组件间的协同效果。第三，论文展示了 INTENT 在新工具场景中的对数线性扩展趋势，这启发了一个自然方向：设计自适应的在线学习机制，让预言机能够随着与新工具的交互不断更新，而无需周期性重训练。第四，当前框架假设所有工具成本对用户透明，未来可以探索在不完全信息下的预算规划（例如工具价格未知或需要查询才能获得）。第五，将 INTENT 扩展到多智能体协作场景，研究多个智能体如何在共享预算下协调工具使用策略。第六，探索自适应风险偏好参数 $\gamma$，让框架能够根据任务紧急程度、预算充裕度和工具可靠性自动调整保守程度。

论文的复现条件相对友好。数据方面，实验基于 StableToolBench 的公开数据集，包含约 10 万条真实工具交互轨迹（MirrorAPI-Cache 训练集）和 765 个测试实例，数据来源透明。算力方面，所有实验在单张 NVIDIA RTX Pro 6000 GPU 上完成，语言世界模型和条件生成器基于 Qwen2.5-3B-Instruct（30 亿参数），意图预测器基于 Qwen3-0.6B-Embedding（6 亿参数），这些规模在学术实验室范围内完全可负担。训练采用标准 AdamW 优化器、BF16 全参数微调 2 个 epoch，使用 LLaMA-Factory 和 Transformers 框架，推理使用 vLLM 和 FastAPI。论文提供了详细的算法伪代码（Algorithm 1-3）和超参数设置（学习率 $7 \times 10^{-5}$、批大小 64、$\gamma=0.5$、$\delta=0.1$）。工具价格虽然是合成的，但论文提供了明确的采样方式（$U(5, 50)$），便于复现。总体而言，复现难度中等偏低——主要挑战在于需要收集或生成意图标注数据（使用 LLM-as-a-Judge 标注工具调用是否满足意图），以及调通整个预言机-智能体交互管道。