长推理不是越多越好
智能体要在多步任务里推进，并依据反馈修正动作；而总推理预算往往有限，还得留给后面的步骤。于是每做一个动作前，它都得在「短推理」和「长推理」之间选：长推理或许能靠提前想清楚少犯后面的错，但也吃掉了本该留给后续决策的预算。这里有两道难题——怎么估长推理的下游价值，又怎么判断这一份价值值不值得用掉剩余预算。PORA（arXiv 2610.27119，10 月 19 日提交，配对结果引导推理分配）就是来学这个决定的。
它的训练方式是：从每个被选中的状态，把任务完整跑两遍，一遍给短推理额度、一遍给长推理额度，再比较两者最终的质量和总耗时，从而估出「什么时候长推理才值」。到了推理阶段，一个控制器把这份估计，和从剩余预算压力上学到的「价格」放在一起权衡，直接选短或选长——而不需要真的把两种都跑一遍。它在应用、记忆、代码、零售和数学等任务上做了评估，各档设置都拿到了稳的结果。
省下的预算，留给了后面的步
在 BFCL 记忆任务上，它超出表现最好的现有方法 17.4 到 32.9 个百分点。在同一个智能体内部，它在代码和数学上匹配或超过了「始终长推理」的做法，却少用了 50.6% 的 actor token、少了 31.2% 的模型请求。换句话说，它把省下来的推理预算，腾给了任务后面更需要的决策，而不是在每一步都无差别地烧。
PORA 点出的是智能体效率里一个被长期低估的旋钮：推理预算不该被「始终长」或「始终短」这种静态策略定死，而该跟着状态和剩余预算动态分配。对要把智能体铺到长流程、多步骤业务里的团队，这种「按需分配推理」的思路，比单纯换更大的模型更直接地压成本。