Gli agenti AI spesso si trovano di fronte a sfide significative nel valutare i propri progressi e decidere quali azioni intraprendere successivamente. Possono sprecare risorse computazionali seguendo approcci falliti o, al contrario, trascurare risultati promettenti o interrompere un compito prima del suo completamento. Questi problemi diventano ancora più costosi quando gli agenti affrontano workflow più lunghi e complessi.

I ricercatori di Meta Superintelligence Labs hanno sviluppato un framework chiamato agentic meta-reasoning che affronta questa sfida permettendo all'agente di avere un flusso di ragionamento dedicato su cosa fare dopo. Il framework consente agli agenti di valutare i propri progressi, esplorare approcci alternativi e dirigere le risorse verso i passi successivi più promettenti.

Su ProgramBench, un benchmark di ricostruzione software, il framework ha ottenuto un tasso di superamento medio del 71,5% con GPT-5.5, rispetto al 58,0% di Codex nella valutazione dei ricercatori.

A differenza degli harness auto-miglioranti che ottimizzano il software e le configurazioni che alimentano gli agenti tra le esecuzioni, il meta-reasoning migliora il modo in cui gli agenti dirigono il proprio lavoro durante un'esecuzione. Questo fornisce agli sviluppatori aziendali un altro modo per migliorare le prestazioni degli agenti senza modificare o fine-tunare i modelli sottostanti.

La sfida di dirigere il lavoro degli agenti

Consideriamo un agente di codifica che implementa un componente software. Ha scritto la funzionalità principale e superato diversi test, ma alcuni casi limite rimangono irrisolti. Dovrebbe indagare sui fallimenti, riscrivere parte dell'implementazione, eseguire ulteriori test, provare un altro approccio o fermarsi? Ogni opzione consuma risorse e una scelta sbagliata potrebbe sprecare il budget rimanente o danneggiare un'implementazione altrimenti funzionante.

I ricercatori si riferiscono a questa sfida come controllo metacognitivo, che descrivono come "valutare i propri progressi e utilizzare quella valutazione per decidere cosa fare dopo".

Per un agente AI, il controllo metacognitivo significa decidere quali risultati intermedi fidarsi, su quale lavoro precedente costruire e quando allocare ulteriori risorse di calcolo. Una cattiva decisione può continuare a sprecare calcolo su un approccio fallito o causare l'abbandono di una soluzione corretta già trovata.

Gli agenti esistenti spesso intrecciano queste decisioni con l'esecuzione del compito. Ciò significa che scelgono la loro prossima azione in un singolo passaggio basandosi su una storia accumulata di azioni e interazioni con il loro ambiente. Man mano che il compito progredisce, le informazioni rilevanti possono essere sepolte nei tentativi precedenti, nei risultati degli strumenti e negli errori.

Le tecniche tradizionali di scaling a tempo di inferenza hanno i loro vincoli. Approcci come la generazione di più candidati, loop di critica e revisione e alberi di ricerca predefiniti determinano tipicamente la loro struttura computazionale in anticipo. Determinano il numero di tentativi, i passaggi di verifica o i round di raffinamento prima che il problema riveli quali calcoli sarebbero più preziosi.

I ricercatori di Meta sostengono che le decisioni su cosa calcolare dopo "meritano un processo di ragionamento agentico proprio". "Quella deliberazione ha una struttura propria, consolidando ciò che la corsa ha stabilito, esplorando cosa potrebbe essere fatto dopo e valutando cosa vale ciascuna opzione", scrivono.

Come funziona l'agentic meta-reasoning

Il framework di agentic meta-reasoning proposto dai ricercatori di Meta consente a un agente di ragionare e agire sul proprio processo di inferenza.

Il framework crea un ciclo ricorrente: eseguire il lavoro, valutare i risultati, identificare i passi successivi promettenti e assegnare ulteriori calcoli. I risultati precedenti rimangono disponibili durante tutto il processo, permettendo all'agente di costruire su tentativi precedenti senza elaborare ripetutamente l'intera storia di esecuzione.

I ricercatori implementano questo approccio in un harness a tempo di inferenza chiamato Meta-Reasoning Agent. Esso separa due componenti: "workers" che eseguono i compiti effettivi e un controller che decide quale lavoro dovrebbe avvenire successivamente.

I workers possono essere singole chiamate di modelli linguistici di grandi dimensioni (LLM) o agenti di codifica che utilizzano strumenti per ispezionare file, modificare codice ed eseguire test. Il controller può ispezionare i loro risultati, registrare le proprie scoperte, avviare nuovi workers con istruzioni mirate e decidere quando fermarsi.

Il controller segue un ciclo di ragionamento a quattro fasi:

    • Valutare: Il controller esamina i nuovi risultati dei workers e aggiorna la propria comprensione del compito. Per l'esempio di codifica, potrebbe registrare che la funzionalità principale funziona, alcuni test falliscono e la gestione degli errori rimane non verificata.
    • Proporre: Basandosi su questa valutazione, genera possibili azioni successive, come indagare sui test falliti, implementare funzionalità mancanti o verificare indipendentemente il codice esistente. In questa fase, esplora le opzioni senza restringerle in base al budget rimanente.
    • Valutare: Il controller pesa le azioni proposte rispetto al budget computazionale disponibile. Potrebbe decidere che riparare un fallimento noto porterebbe più valore rispetto a riscrivere un componente funzionante.
    • Inviare: Il controller dà istruzioni ai workers e utilizza i risultati rilevanti dei tentativi precedenti per fornire contesto ai workers. In alternativa, può fermarsi e inviare un risultato esistente.

Ogni fase può coinvolgere le proprie chiamate di modello e operazioni di memoria, permettendo al controller di indagare prima di prendere una decisione.

Una parte chiave di questa architettura è la memoria persistente degli artefatti. I risultati dei workers e le note del controller vengono memorizzati come artefatti con identificatori univoci. Il controller mantiene una valutazione compatta dello stato del compito e recupera gli artefatti dettagliati solo quando necessario.

Questi artefatti formano anche un grafo di calcolo. Ogni volta che il controller fornisce un artefatto precedente come contesto per un nuovo lavoro, il sistema registra una connessione tra di loro. Ad esempio, un rapporto di test potrebbe portare a una riparazione mirata, che un altro worker verificherà successivamente.

Il grafo rivela come l'agente esplora approcci alternativi e costruisce su risultati precedenti. Fornisce anche un modo per analizzare se l'agente sta facendo un uso produttivo del proprio calcolo piuttosto che generare tentativi scollegati.

Meta-reasoning in azione

I ricercatori hanno valutato il framework su quattro benchmark: IMO ProofBench-Advanced per le prove matematiche, ARC-AGI-2 per il ragionamento visivo astratto, LongCoT-mini per il ragionamento a lungo orizzonte in diversi domini e ProgramBench per la ricostruzione di programmi da documentazione ed esecuzioni di riferimento.

Hanno testato tre modelli di frontiera: Gemini 3.1 Pro, GPT-5.5 e Opus 4.8. Il loro principale baseline è stato un Direct Control Agent, una variante del Meta-Reasoning Agent che prende decisioni di controllo in un singolo passaggio sul suo accumulo di storia invece di utilizzare un controller separato. Hanno anche confrontato il framework con gli harness di ricerca esistenti e gli agenti di codifica, tra cui Codex, Claude Code e modelli linguistici ricorsivi (RLM).

Alle maggiori dotazioni di budget testate, il meta-reasoning ha ottenuto punteggi più alti in tutte le 12 comparazioni abbinate.

Uno dei risultati più interessanti è stato come gli agenti hanno risposto a budget computazionali più grandi. Quando il budget di ProgramBench è aumentato da 400 a 1.200 chiamate di modello, il meta-reasoning con GPT-5.5 è migliorato dal 64,1% al 71,5%, mentre il controllo diretto è rimasto vicino al 64% e ha utilizzato solo circa il 18% delle chiamate disponibili alla impostazione più alta.

Il componente dei grafici di artefatti svolge un ruolo chiave nell'abilitare questo comportamento. Il meta-reasoning ha generato più risultati intermedi e più connessioni tra di loro. In un esempio di ARC-AGI-2, il controllo diretto ha prodotto sei tentativi indipendenti e quattro follow-up superficiali, mentre il meta-reasoning ha esplorato più rami e collegato il lavoro successivo ai risultati precedenti.

Implementare l'agentic meta-reasoning

I ricercatori non hanno fornito un'implementazione ufficiale pronta all'uso nei materiali che accompagnano lo studio, ma il documento include specifiche dettagliate dei prompt del controller e delle istruzioni dei workers.

Il framework di agentic meta-reasoning rappresenta un passo significativo verso agenti AI più efficienti e capaci. Separando il ragionamento metacognitivo dal compito principale, gli agenti possono valutare meglio i propri progressi e dirigere le risorse verso i passi più promettenti. Questo approccio non solo migliora le prestazioni degli agenti, ma fornisce anche agli sviluppatori un nuovo strumento per ottimizzare il lavoro degli agenti senza modificare i modelli sottostanti.