一个研究决策=一个 action：MIRA 重新定义学习的最小单元

MIRA 采用分层研究 Agent 架构，将决策与执行分离：外层 meta-reasoner 决定下一步研究什么（WHAT），产出工作单或停止决策，内层执行器负责如何完成调查（HOW）。该架构把学习的最小单元重新定义为「一个研究决策 = 一个 action」，其启动的完整调查为一个 transition。信用分配由此落在「选择哪个调查」这一决策上，而非优化调查内部的具体步骤。