Q：Agent 动作空间过大导致探索低效时，如何裁剪和分层？

来源：阿里千问 C 端算法实习一面（2026-08-10）

新手答：“减少工具数量，或者让模型先做工具检索。”

高手答：先按任务阶段、权限和前置条件形成动态可行动作集，再用分层策略让高层选择子目标、低层选择具体工具；同义动作合并为参数化能力，非法和无效动作由环境 mask。训练时采用课程学习，从短链和小动作集逐步扩展，并监控有效动作率、探索熵、无效调用和各阶段成功率。裁剪不能删除恢复动作，否则策略一旦偏离就无法回到有效状态。

差距在哪：新手只缩工具列表，高手同时设计层级策略、环境约束和训练分布。