一分钟读论文：《贝叶斯伙伴建模与 LLM 协同重规划》
内容提要
论文提出BayesBeliefAgent，针对多智能体系统中伙伴中途换策略而智能体反应迟缓的问题，结合GPT-4o规划器与贝叶斯追踪，仅在动作与推断技能矛盾时触发重规划。在Overcooked基准上，该法将信念-行动差距从0.41降至0.20，重规划次数减少20-80倍，但Forced Coordination布局收益有限。
延伸解读
信念-行动差距：衡量“知道”与“做到”的脱节
论文引入信念-行动差距（belief-action gap）指标，指智能体对伙伴技能估计正确却仍执行不互补动作的比例。在Open布局中，BayesBeliefAgent将差距从0.41降至0.20，而伙伴识别准确率与基线几乎相同（0.79对0.78）。这表明问题不在于能否“看穿”伙伴，而在于信念是否被用作控制信号。该指标为评估多智能体协调提供了新视角，强调知行合一的重要性。
门控中断机制：将信念从被动上下文升级为主动控制信号
BayesBeliefAgent采用分层规划器（GPT-4o）与贝叶斯追踪模块，仅在伙伴动作与推断技能直接矛盾时触发重规划。消融实验显示，将后验信念作为控制信号优于仅作为提示词上下文。这种机制避免了频繁重规划，在Open布局中重规划次数减少20-80倍，同时保持平均奖励相当。它实现了“按需重规划”，提高了效率。
局限与适用场景：选择性重规划并非万能
论文明确指出，在Forced Coordination布局中收益较小，底层规划器的局限在该设置下更明显。此外，以GPT-5.2作为backbone的敏感性检查显示，两种backbone互有胜负，无一一致占优。这表明BayesBeliefAgent的优势依赖于具体任务和规划器能力，在需要强协调的场景中可能效果有限，应用时需评估任务特性。
Q&A
BayesBeliefAgent 主要解决什么问题？
BayesBeliefAgent 主要解决多智能体系统中，当队友中途更换策略时，智能体反应迟缓、继续执行过时计划的问题。
BayesBeliefAgent 是如何工作的？
BayesBeliefAgent 将基于 GPT-4o 的分层规划器与贝叶斯追踪模块结合，仅在伙伴动作与推断技能直接矛盾时触发重规划，将信念作为主动控制信号。
论文中提出的 belief-action gap 指标是什么？
belief-action gap 指标衡量在所有决策点中，智能体对伙伴的估计正确却仍执行不互补技能的比例，反映“知道”与“做到”之间的脱节。
BayesBeliefAgent 在 Overcooked 基准上的主要实验结果如何？
在 Overcooked 基准上，BayesBeliefAgent 将 belief-action gap 从 0.41 降至 0.20（Open 布局），重规划次数减少 20-80 倍，同时保持平均奖励相当。
BayesBeliefAgent 的重规划效率如何？
BayesBeliefAgent 在 Open 布局上平均每 episode 重规划 1.8-3.0 次，而基线方法需要 15-169 次，重规划次数减少 20-80 倍，效率显著提升。
BayesBeliefAgent 存在哪些局限性？
在 Forced Coordination 布局上收益较小，底层规划器的局限在该设置下更明显；另外，使用 GPT-5.2 作为 backbone 时，与 GPT-4o 互有胜负，没有一致占优。
