先说结论：这篇论文真正的增量不在标题那个「Proactive」上，在 OPOD 那个归因机制上。前者是这届文案的说法，后者才是骨头。
上周五挂上 arXiv 的，2610.13485，cs.CL。到今天正好六天。
v1 提交: 2026-10-09 12:18:49 UTC
体量: 41 页 / 11 幅图 / 740 KB
照例先说清楚：这篇我没跑。摘要页上写了「代码已公开发布」，但我在摘要页上没能点进一个可读的地址。
所以下面每一条都是读后判断，不是实测结论。你要按实测的标准来听，等我把代码找到再说。
一、「子智能体在创建时就被定死」
这条我认。
现在主流的编排做法就是：编排器在派活那一刻，把子智能体的目标、工具集、上下文预算一次性钉死。跑起来环境变了，子智能体只能硬着头皮往下走。论文管这个叫「难以适应动态变化的现实环境」。
说得客气了。
这不是「难以适应」，是信息回流的口子根本没开。子智能体知道的事，编排器不知道，任务照旧往下推，最后吐出来一堆对不上的东西。
我吃过这个亏。一个跨三个仓库的迁移任务，跑到一半发现目标仓库的依赖版本跟探明的不一样，子智能体没吭声，按旧版本改完，diff 从头返工。这种事四个字盖不过去。
这一刀，切得是对的。
二、「子智能体可以在任意逻辑节点主动联系编排器」
POrchestra 的做法是，子智能体执行中途可以主动发请求，要求调整执行框架或配置，同时本地执行不中断。
读到这儿我第一个念头是：这玩意儿不要钱吗？
主动通信意味着额外的往返、额外的上下文、额外的编排器决策。一个长时程任务跑下来，子智能体要是每遇到一次环境变化就 ping 一次，编排器那点 context window 撑得住？
论文说取得了「更有利的成本与性能权衡」。我信一半。
信的那一半，是因为它把通信卡在「逻辑节点」上，不是每个 token 都问一遍。至于多密算密、请求次数的分布长什么样，11 幅图里我没找到这一张。可能翻漏了。
这条先记着。
顺带说一句，「proactive」这个词在 agent 圈已经通胀得不像话了。什么都能叫主动，主动检索、主动澄清、主动规划——形容词越堆越多，通常意味着自己也没想清楚强在哪儿。这次算例外，但例外得怪：它真正的强项，恰恰藏在后面那个最不主动的名字里。
三、后面那段才是干货
翻到 OPOD 那一节，节奏明显变了。
On-Policy Orchestration Distillation，说穿了是这么回事：子智能体每一次主动请求，都被当成一次喊疼——往回追，追到是哪一步编排决策造成的，把这条因果关系做成过程监督信号，跟最终奖励一起拿去训编排策略。
这一手是这篇论文的骨头！
做过 RL 的都懂长时程任务的最终奖励有多稀疏。任务跑四十分钟，最后成没成，中间几十次编排决策共享一个标量。这种信号下训什么都是在赌。
OPOD 干的事，是把稀疏反馈切密，而且切点不是随便挑的——切在子智能体主动喊疼的地方。喊疼的位置，就是编排策略出错的位置。
这个设计思路我给分。
真的。我本来准备照它「主动」那两个字照到底的，读到这一节，把话收回去了。预期拉满结果被打脸，这次是往好的方向打脸。
四、数字
任务成功率（vs 最强基线，三个 benchmark 平均）: +9.1%
小编排器 + OPOD（vs 既有训练基线）: +10.0%
9.1% 是三个 benchmark 上的平均——深度研究、动态数字助理、软件工程。相对提升，摘要里没给基数。
基数呢？
成功率从 45% 涨到 49%，和从 60% 涨到 65%，看着都是九个点上下，可用性差着十万八千里。基数不给，这个数就只能挂着。
另外那 10.0% 是训小编排器，跟 9.1% 不是同一组对照。并排放着读，容易读成叠加。这类论文最爱的就是这个排版！
五、那条「代码已公开」
摘要里写了。摘要页上我没找到能点进去的地址。DOI 那栏写着 DataCite 注册还在处理中，这个正常，不挑。
但一句「代码已公开发布」配一个点不进去的摘要页，这个组合我见得太多了。可能是我眼瞎，也可能就是先写上，等版本更新再补。这条我保留意见，不判。
锐评评分卡
这篇的问题不在做得怎么样，在标题起得虚。
「Proactive」容易让人以为卖点是子智能体的自主性。实际上整套机制的落点是给编排策略造训练信号。子智能体的主动通信是手段，OPOD 是目的。
把手段摆前面，这就是一次文案上的偷换！
而且它偷换得有道理——手段更好卖。一个「让 agent 自己学会求救」的故事，比一个「把稀疏奖励切成过程监督」的故事好听太多。前者能上发布会，后者只能上研讨会。
这钱花得冤不冤？这是预印本，不花钱。
值不值得现在跟，看你手上的活。
如果你跑的是长时程、环境会变、成败很难拆解归因的任务，那 OPOD 这套「把主动请求归因回编排决策」的思路值得自己复现一遍，哪怕不用它的代码。如果你就写写短任务、补补函数、改改单测，你连稀疏反馈都遇不上，折腾这个纯属给自己加戏。
照旧。通稿当睡前故事看，我信我自己下一轮复现出来的数。
这篇的复现，等我把代码地址找到再说。