Belief-State Engine: Augmenting LLMs for Principled Planning Under Partial Observability

BSE 在 LLM 外维护 POMDP 的贝叶斯后验，只把 belief state 交给模型而不暴露原始行动历史，并以四条公理定义信念一致性。作者证明这样配对后的 agent 是 belief MDP 上的 sound Markov policy，随后在 Tiger POMDP 和攻击图任务上与 reactive、CoT、ReAct、QMDP、POMCP 等六个基线比较，回报、信念校准和决策一致性均提升；这也把“记住历史”改写成“维护可验证状态”。