POMDP

深度分析

ASK+：透過三層情境化提示增強小型語言模型在 POMDP 任務中的表現

在部分可觀測的強化學習任務中，ASK框架僅提供自我觀測，未能有效利用小型語言模型。研究提出ASK+，加入部分揭露的地圖與已訪位置等情境化提示，使模型在不確定性門檻觸發時提供修正。實驗顯示ASK+在FourRooms、DoorKey與HigherLower的成功率與獎勵均顯著超過原ASK。

深度分析

「τ‑Rec」基準揭示代理式推薦系統多回合推理瓶頸與可驗證獎勵機制

隨著推薦系統向多回合對話式代理轉型，傳統評測已無法跟上。研究推出τ‑Rec基準，以可驗證獎勵與揭露標籤機制取代主觀評分，測試六大模型在電影目錄上的偏好引導與政策遵循，結果顯示最佳模型的pass^1僅約57％，pass^4跌至約35％，凸顯可靠性斷崖。

深度分析

從 POMDP 生成環節看強化學習分布轉移：統一因果來源分類框架

本研究針對強化學習的分布轉移建立統一因果來源分類，從狀態、觀測、策略、轉移與獎勵五個環節辨識內外部變化，並以顯性、隱性及混合三種時間邊界描述，提供評估框架量化衝擊與恢復，預示AI系統在變動環境中將更依賴因果辨識，此分類亦能對照DCNAR與LSNM‑UV方法，突顯因果結構差異。

深度分析

以30狀態HMM與POMDP（DQN）分析2026年F1能量策略與反收割陷阱偵測

2026年F1規則改變讓電能成為賽事決策核心。本研究用30狀態HMM搭配POMDP近似與DQN決策，從五項公開遙測推估對手ERS、Override Mode與胎耗。合成評估顯示ERS推斷準確率與陷阱檢測表現明顯優於單訊號門檻法，為後續博弈擴展提供基準。

深度分析

Trace‑Prior RL：以市場先驗與 KL 懲罰修復 POMDP 下的市場對齊風險

本文在二間旅館的定價模擬中揭示一種常被忽視的失效模式：單一數值回報（例如 RevPAR）可能掩蓋非市場化的定價行為。研究指出，部分觀測下的競爭者狀態會把目標行為變成分布式標的，確定性值函數或單點複製會把未解的隱含不確定性壓縮成捷徑行為。

深度分析

Veroic 框架：以 POMDP 與貝式信念實現大型語言模型的風險感知推論

在黑箱大型語言模型服務中，Veroic 透過可驗證觀測與貝式信念估計回應可靠度，並在預算限制下動態決定是否升級推論路徑，實驗顯示其在品質與成本間取得更佳平衡。相較於傳統單一路徑或靜態擴容策略，Veroic 能在長期序列決策中維持風險校準，並提升多項基準的正確率。

深度分析

主動推理與 empowerment：以量化指標界定 AI 的代理性

隨著代理型AI快速崛起，傳統以自主性與目標導向定義的代理性已不足。研究以意圖、理性與可解釋性為核心，透過主動推理的部分可觀測馬可夫決策過程，在T迷宮任務中以資訊通道容量（empowerment）測量，區分零、低與高代理性表型。結果顯示，代理性提升後，治理策略須由外部限制轉向內部偏好調整。

深度分析

COMPASS：以POMDP建模的自適應提示工程，用於LLM任務規劃說明

COMPASS提出一套把提示工程形式化為認知與機率決策流程的自適應方法，採用部分可觀察馬可夫決策過程（POMDP）建模使用者潛在認知狀態（如注意力與理解），並將觀察到的互動回饋納入策略合成，動態生成或修正用於大型語言模型（LLM）的提示與說明。

深度分析

多代理系統的容量衍生語意空間與 Wyner‑Ziv 編碼之結構相變分析

當不同計算容量的代理人共存於同一環境時，他們可形成各自的語意字母表；研究以容量衍生的語意空間 Q_{m,T}(M) 為基礎，證明低於臨界率的意圖保留通訊結構上不可行，實驗顯示傳輸率可比傳統上限低 19 倍。