快速与慢速思考：面向LLM代理的步骤级认知深度自适应

大型语言模型（LLMs）越来越多地被部署为自主代理，用于多轮决策任务。然而，当前代理通常依赖固定的认知模式：非思考模型生成即时响应，而思考模型则统一进行深度推理。这种刚性结构对于需要逐步变化认知需求的长期任务效率低下。本文提出CogRouter框架，训练代理在每一步动态适应认知深度。基于ACT-R理论，设计了从本能反应到战略规划的四个层次认知级别。采用两阶段训练方法，包括认知感知监督微调（CoSFT）和认知感知策略优化（CoPO），通过置信度感知的优势重加权实现步骤级信用分配。关键见解是适当的认知深度应最大化行动结果的置信度。在ALFWorld和ScienceWorld上的实验表明，CogRouter在效率方面达到最先进的性能。使用Qwen2.5-7B时，其成功率达到82.3%，优于GPT-4o、OpenAI-o3和GRPO，同时使用的token数量减少了62%。