面向智能序贯决策的三维刻画框架

一篇 arXiv AI 论文提出三维刻画框架，将不同范式的序贯决策方法统一投射到 MDP 形式化，并衡量自主程度、技能与计算成本。作者用汉诺塔基准分析 Neurosolver、FBRL、AutoToS 及 DA-ToS，发现基于 LLM 的方法因动作空间约束弱，把复杂度从架构转移到推理时验证，内存与运行成本显著更高。

此前图搜索、强化学习与 LLM 方法多在各自设定下评估，缺少统一比较条件。该框架首次把 MDP 投射、人类先验自主度排序和技能与计算成本放在同一坐标系，为跨范式选型提供了可复用的对照口径。

框架用三个维度刻画方法：一是能否映射到 MDP 序贯决策形式化，二是设计所需人类先验带来的自主程度，三是技能水平与计算开销。汉诺塔规则明确、复杂度可扩展，使不同方法在问题规模增大时被一致比较，从而暴露 LLM 方法把复杂度后移到推理时验证的机制。

对研发而言，选择序贯决策方案时不能只看任务成功率，需把推理时的内存与运行成本计入总账。基于 LLM 的方案在动作空间约束较弱时，验证环节可能成为成本中心，产品侧需提前规划算力预算与延迟容忍度。

• 在序贯决策类产品中引入类似三维评估表，按 MDP 映射、自主度、算力成本三个维度对候选方案打分后再选型。
• 针对 LLM 类方案设计推理时验证的成本监控与降级策略，例如在问题规模超过阈值时切换到图搜索或强化学习路径。
• 以汉诺塔等规则明确、可扩展复杂度的任务搭建内部基准，用于横向比较不同范式在自身业务场景中的表现。

• 该三维框架在汉诺塔之外的现实业务任务上是否仍具有可操作性，论文未提供证据。
• AutoToS 与 DA-ToS 的具体实现细节和可复现性未在证据中说明。
• LLM 方法更高的内存与运行成本是否能在其他任务或更大规模下被有效降低，尚不明确。
• 该框架能否直接用于指导产品落地选型，还是仅停留在学术分析层面，缺少验证。