想象一下，你有一个超级聪明的机器人朋友，它完全住在你的电脑里。这个机器人可以观察你的屏幕、阅读屏幕上的内容，甚至可以点击按钮或输入文字来帮助你完成任务，比如整理文件或预订机票。我们称这些为“计算机使用智能体”（Computer-Use Agents）。长期以来，科学家们一直认为让这些机器人变得更聪明的最佳方法，仅仅是给它们在工作时提供更多的脑力。这就像是在想：“如果我在解谜题时卡住了，那我就盯着它看更久一点，或者努力回忆起我见过的每一件事来解决它。”这个想法被称为“推理时缩放”（inference-time scaling）——基本上，就是在机器人尝试执行任务的过程中，投入更多的计算时间和能量，看看它是否能做得更好。

但问题在于，大多数这类超级聪明的机器人居住在云端巨大的、昂贵的服务器上。如果我们想把这样一个机器人放在你自己的笔记本电脑或手机上呢？那里的电池很小，处理器也不是巨大的超级计算机。这就是“本地”智能体（local agents）发挥作用的地方。一个关键问题是：如果你拥有的是一个运行在你自己的设备上的、更小、更便宜的机器人，那么给它更多思考的时间或更多的记忆，真的能帮助它完成任务吗？还是说，这只会让机器人原地打转、陷入混乱，或者浪费你的电量？这篇论文深入探讨了这个谜团，测试了给予更多的思考时间是否真的能帮助小型本地机器人，还是只会导致新的错误。

伟大的本地机器人实验：思考更多意味着成功更多吗？

本文作者决定通过实验来验证这个想法。他们针对三种不同的“本地”计算机智能体（即运行在你自己的硬件上的机器人）设计了一系列实验，并要求它们在电脑屏幕上解决现实世界的任务。他们想要观察当他们调整四个特定的“旋钮”来为机器人提供更多资源时，会发生什么：

1. 上下文缩放（记忆旋钮）： 机器人记得多少张过去的截图？
2. 时间缩放（时间旋钮）： 在必须停止之前，允许机器人采取多少个步骤（点击或输入）？
3. 结构缩放（团队协作旋钮）： 机器人应该独立完成所有事情，还是应该将工作分为两部分：一部分负责规划步骤，另一部分负责实际点击按钮？
4. 并行缩放（众包旋钮）： 机器人应该同时尝试制定几种不同的计划并从中挑选出最好的一个吗？

结果令人惊讶，甚至有点滑稽。事实证明，对于这些本地机器人来说，仅仅“努力尝试”并不总是意味着“做得更好”。事实上，有时这反而会让情况变得更糟。

记忆陷阱：记得太多

首先，他们测试了记忆旋钮。他们发现，一个没有记忆（只看当前屏幕）的机器人简直是一场灾难。它会陷入循环，就像仓鼠在转轮上奔跑一样，不停地点击同一个按钮，因为它不记得自己刚才做了什么。给它一点点历史记录（前一个屏幕）就是一个巨大的转折点，它稳定了机器人。

然而，作者发现了一个“甜点区”（sweet spot）。当他们给机器人过多的历史记录（记住 8 张过去的屏幕而不是 4 张）时，机器人并没有变得更聪明；它只是运行起来更贵了。额外的记忆并没有帮助它更好地完成任务。相反，它开始犯一种新的错误：过早的虚假成功。想象一个正在考试的学生，他没有去完成最后一道题，而是因为看累了，就直接猜了一个“我做完了！”然后交了卷。由于历史记录过多而感到不知所措，机器人有时会认为自己已经完成了任务，而实际上并没有。因此，论文建议，对于本地机器人，适度的记忆是最好的——既要足以避免循环，又不能多到让机器人因混乱而过早放弃。

时间陷阱：步数更多，问题依旧

接下来，他们转动了时间旋钮。他们让机器人采取更多步骤来完成任务，心想：“如果它卡住了，就让它多试几次！”结果呢？机器人在完成任务方面的表现并没有提高多少。它们只是耗时更长了。

作者发现，给机器人更多的时间并不能修复其错误的逻辑；它只是让它犯了更多同样的错误。如果一个机器人在走错路，给它 100 步而不是 15 步，只是意味着它在意识到自己迷路之前，在错误的道路上走得更远了。主要的益处是它避免了撞上“时间限制”的墙，但它并没有阻止机器人犯错。事实上，这往往会导致那些同样的“过早虚假成功”，即机器人认为自己已经完成了，而实际上并未完成。论文指出，对于本地模型，仅仅给它们更多时间并不是灵丹妙药；这主要只是在浪费电池。

团队协作陷阱：厨师太多

然后他们尝试了结构缩放。他们将机器人一分为二：一个“规划者”（Planner）负责思考做什么，以及一个“执行者”（Doer）负责实际点击按钮。他们希望这就像拥有一名将军和一名士兵，由将军制定出伟大的计划。但在本地计算机上，这适得其反。

“规划者”部分写的计划往往混乱或不完整，而“执行者”无法理解这些计划。这就像一位将军用士兵听不懂的语言在下达命令。这增加了大量的额外工作（计算成本），并且实际上让机器人在完成任务方面比那个既做规划又做执行的单一机器人表现得更差。唯一的例外是，如果他们使用并行缩放——要求规划者同时写出多个不同的计划并从中挑选最好的一个。这确实有一点帮助，但生成所有这些额外计划需要消耗巨大的计算能力。论文建议，对于本地机器人，保持简单（由一个机器人承担两项工作）通常比尝试拆分工作更好，除非你有大量的额外电力可以挥霍。

核心结论：质量重于数量

那么，这项研究的最终结论是什么？作者指出，对于本地计算机智能体，传统的“计算量越多越好”的想法是一个陷阱。

与其仅仅向问题投掷更多的记忆、时间或复杂的团队结构，我们更需要聪明地利用现有的资源。

• 不要过度喂养记忆： 一点点历史记录很好，但太多了只会让机器人感到困惑。
• 不要只是等待更久： 给一个困惑的机器人更多时间，通常意味着它会困惑得更久。
• 保持简单： 将工作拆分为规划和执行，在本地设备上往往会带来比解决问题更多的麻烦。

论文总结道，本地计算机智能体的未来不在于以这种“蛮力”方式让它们“思考得更努力”。而在于设计出能够意识到自身局限性、知道何时停止，并能够使用恰到好处的资源来保持进度而不至于精疲力竭的智能体。这提醒我们，有时候，一个专注的小型机器人比一个过度劳累的庞大机器人效果更好。