这是一篇让 LLM 从“单打独斗”进化成“团队作战”的神奇论文！现在的LLM虽然能写诗、编代码，但遇到需要深度推理的问题时，常常像极了熬夜赶论文的我们——脑子一片浆糊，只会疯狂挠头。这篇论文给LLM配了三个“外挂小秘书”：

1. 网瘾少年搜索助手：随时帮LLM上网冲浪查资料；
2. 码农代码助手：替LLM写代码跑程序，省得它自己debug到崩溃；
3. 思维导图管家：把推理过程整理成知识图谱，防止LLM“逻辑迷路”。

从此，LLM的推理能力直接开挂，博士级难题也能轻松拿捏！

论文：Agentic Reasoning: Reasoning LLMs with Tools for the Deep Research
链接：https://arxiv.org/pdf/2502.04644
项目：https://github.com/theworldofagents/Agentic-Reasoning

方法

整个框架就像给LLM配了一个“复仇者联盟”：

• 搜索助手：LLM一发出🔍信号，立马谷歌学术+维基百科狂搜，还自带总结功能，只喂给LLM最相关的“知识零食”；
• 代码助手：LLM喊一声💻，它就秒写Python代码并运行，结果用大白话返回，避免LLM被代码语法逼疯；
• 思维导图管家：把推理过程画成超酷的知识图谱，还能自动分模块、做摘要，堪比AI版“思维导图APP”。

最萌的是，LLM推理时会主动“举手提问”🙋！比如需要数据就插个🔍标记，需要计算就塞个💻符号，活像课堂上憋不住问题的小学生～

实验

为了验证这波操作有多强，作者们搞了一堆硬核测试

博士级考试暴击

用GPQA数据集（物理/化学/生物博士级选择题）狂虐模型，结果：

• Agentic Reasoning在物理题拿下88.1%正确率，化学58.3%，生物79.6%，直接把其他模型按在地上摩擦！

医学诊断实战

让模型处理“计算最佳氧气浓度”的医疗决策，它居然能：

1. 召唤代码助手算FiO₂；
2. 派搜索助手查PEEP值；
3. 综合结果给出治疗方案——AI医生执照指日可待！

狼人杀智商碾压

最搞笑的是，作者让模型玩狼人杀！通过思维导图记录玩家发言的逻辑关系，最终胜率72%，吊打人类老玩家。

人类专家惨遭KO

在GPQA扩展集上，模型在物理（75.2%）、化学（53.1%）、生物（72.8%）全面超越人类专家，物理学家们看完直呼“AI抢饭碗啦！”

人类vs模型战绩表

结论

这篇论文的核心就一句话：“三个臭皮匠，顶个诸葛亮”！给LLM配上一群专业小助手，让它从“死记硬背”进化成“逻辑狂魔”。实验结果证明，这套框架不仅能搞定博士级考题，还能玩转狼人杀、写深度报告，甚至让人类专家瑟瑟发抖～

未来，这个思路还能用来训练更聪明的LLM——想象一下，AI带着搜索+代码+思维导图全家桶，直接变身科研超人！