研究:Agent 准时停机不等于有效使用时间预算
用时钟 harness 和预算塑形 GRPO 改善 Agent 的按时返回
- arXiv
- 2610.10833
- Published
- Layer
- Application layer
- Setting
- AI Agent
- Evaluated models
- Qwen3.6-27B, Qwen3-4B, Qwen3.5-9B and others4
- DefensesModel hardening
Abstract作者比较提示词、harness 与 GRPO:按时性可改善,但额外时间仍未变成更好解。
作者研究小规模 LLM 智能体在显式 wall-clock 预算下能否按时返回,并把更多时间换成更好的解。