OLIVIA：通过推理时动作自适应实现在线学习以优化 LLM ReAct 代理的决策

针对部署环境中 LLM 代理因动作选择错误累积导致效率降低的问题，现有推理时适应方法多依赖提示或检索，缺乏显式决策层。本文提出 OLIVIA 框架，将 ReAct 代理的动作选择层建模为上下文线性 bandit，利用冻结隐藏状态作为上下文。该方法直接在动作接口进行自适应，保留原有推理过程，并提供不确定性估计和轻量级在线更新。实验表明，OLIVIA 在多个基准上显著优于静态 ReAct 及基于提示的基线，证明了显式在线决策层的有效性。