Agentic AI 中的笛卡尔切割
人工智能
2026-04-10 v1 神经元与认知
摘要
大语言模型通过预测人类文本中的词语来提升能力，而这些文本往往反映了人类执行任务的方式。因此，将大语言模型与工程化运行时耦合，使预测转化为控制：输出触发干预，以实现目标导向行为。我们认为，控制在这些系统中的位置是核心设计杠杆。大脑将预测嵌入分层反馈控制器，这些控制器由行动后果校准。相比之下，LLM 代理实施笛卡尔式 agency：一个学习核心通过符号接口与工程化运行时耦合，外部化控制状态和策略。这种划分使引导、模块化和治理成为可能，但可能引发敏感性和瓶颈。我们概述了受限服务、笛卡尔代理和集成代理作为控制方法，权衡自主性、鲁棒性和监督。
关键词
引用
@article{arxiv.2604.07745,
title = {The Cartesian Cut in Agentic AI},
author = {Tim Sainburg and Caleb Weinreb},
journal= {arXiv preprint arXiv:2604.07745},
year = {2026}
}