概念BLM / Bellman Language Models
贝尔曼语言模型
一种将LLM智能体的重复决策建模为马尔可夫决策过程并离线求解复用策略的方法，核心流程为离散化后决策，将生成能力与决策优化分离
时间轴 (近 90 天)
10月20日
贝尔曼语言模型（BLM）将重复决策建模为马尔可夫决策过程（MDP），一次求解后复用，以提升LLM智能体的效率。
待验证50%
10月20日
BLM的方法称为“Discretize, Then Decide”，它从工作流日志或LLM智能体运行数据出发，将每次对话读取为离散状态，估计概率和成本，直到没有新状态出现且概率不再变化，然后求解MDP。
待验证50%
10月20日
求解后的控制器对于状态中内容固定的动作直接发送，对于未见过的状态则交回LLM处理。
待验证50%
10月20日
当困难在于编写内容而非选择动作时（例如解决SymPy问题），能提前解决的决策很少，BLM帮助不大。
待验证50%
10月20日
BLM依赖于决策空间的可枚举性和稳定性，对于高度开放或内容生成密集的任务优势有限。
待验证50%
全部知识事实 (5)
待验证
贝尔曼语言模型（BLM）将重复决策建模为马尔可夫决策过程（MDP），一次求解后复用，以提升LLM智能体的效率。
50%待验证BLM的方法称为“Discretize, Then Decide”，它从工作流日志或LLM智能体运行数据出发，将每次对话读取为离散状态，估计概率和成本，直到没有新状态出现且概率不再变化，然后求解MDP。
50%待验证求解后的控制器对于状态中内容固定的动作直接发送，对于未见过的状态则交回LLM处理。
50%待验证当困难在于编写内容而非选择动作时（例如解决SymPy问题），能提前解决的决策很少，BLM帮助不大。
50%待验证BLM依赖于决策空间的可枚举性和稳定性，对于高度开放或内容生成密集的任务优势有限。
50%