OverForge：通过战略与战术推理实现协作式终身适应

研究提出 OverForge，一种无需训练的层级架构，把角色与分工的战略推理，和每个智能体私有、受伙伴条件约束的世界模型中的战术推理分开，并用元认知 Prefrontal Cortex Module 通过生成策略-行动分支、用前向模型想象后果并在有信心时提交来连接两层。在 OvercookedV2 中，OverForge 在连通厨房里做出 7 份汤，每个扁平 LLM 基线为 3 份，并能保持已约定的角色、采纳陌生伙伴提出的角色。

此前协作型语言模型智能体通常把观察直接映射为动作，不区分持久的协作战略与具体战术执行。OverForge 显示分层推理在长时程协作中带来可测量的表现差异，并让智能体能维持角色、采纳陌生伙伴提出的角色，把跨情节的伙伴知识用于持续适应。

该架构把协调拆成两层：战略层负责角色与分工，战术层在每个智能体私有的、以伙伴为条件的模型中决定动作。Prefrontal Cortex Module 生成策略-行动分支，用前向模型预测后果，达到置信度后再提交。消融实验与固定策略探针显示持久战略引导战术适应，两层各自贡献协调能力；记忆重启实验表明跨情节伙伴知识支持任务表现与伙伴预测。

对多智能体产品与研发，这意味着可把长期协作策略与单步执行解耦，用私有世界模型按伙伴条件调整战术，并以置信度门槛控制行动提交。可减少重新训练需求，因为方法无需训练；但引入分层推理与分支想象会增加推理成本，需评估延迟与算力预算。

• 在多智能体协作产品中，把角色与分工作为可持久的战略状态，把动作决策留给按伙伴条件建模的战术层。
• 用置信度门槛和前向模型想象后果来控制行动提交，降低在高风险协作场景中的误动作。
• 设计跨会话的伙伴记忆机制，让智能体复用历史伙伴知识来预测对方行为并保持角色一致。
• 在评测中加入陌生伙伴与角色重分配场景，检验战略层是否真的帮助战术适应，而非只提升单次任务分数。

• OverForge 在 OvercookedV2 之外的任务和环境中的表现是否同样成立，证据未覆盖。
• 无训练架构在真实商业多智能体系统中的推理延迟与成本尚未量化。
• 跨情节伙伴知识在伙伴行为大幅变化或存在欺骗时是否仍能支持预测，缺乏证据。
• 论文中的消融与固定策略探针的具体实验规模和统计显著性未在给定证据中说明。