智能体会思考得更深吗？序列规划中层级动力学的机制性调查

近期研究表明大语言模型在单轮任务中深度利用效率低下，但在需多轮规划的智能体场景中尚不明确。本文通过残差流探测、因果层级跳过干预及有效深度测量，系统分析了跨三个领域的完整用户 - 智能体轨迹。研究发现，随着轨迹展开，模型逐步招募更多深层网络，后期出现更强的长程依赖；残差更新转向以修正为主，表明从稳定特征积累转向反复校准。结果证实自主智能体随推理复杂度增加自适应分配计算深度。