Bellman Language Models：把 LLM Agent 决策当 MDP 一次性求解
把 Agent 反复遇到的决策当成 MDP 求解一次然后复用，Qwen3.8-27B 在 τ²-bench 上从 29% 冲到 96%，成本降 98%，思路挺新的。
#Bellman Language Models
共 1 条 · 7 天 1 条 · 30 天 1 条
信息流里打上「Bellman Language Models」标签的资讯、产品与论文，按刊登时间排，新的在上。
10月20日
把 Agent 反复遇到的决策当成 MDP 求解一次然后复用，Qwen3.8-27B 在 τ²-bench 上从 29% 冲到 96%，成本降 98%，思路挺新的。