LLM agent 相关 AI 资讯 · AI 热点

7月21日

09:37

09:37

官方账号arXiv cs.LG@Babak Barazandeh, Subhabrata Majumdar, George Michailidis

当前Agent轨迹评估依赖二进制成功标志或精确匹配，无法区分侥幸成功或分析失败原因。Otap将轨迹评估转化为执行图与有效解图之间的最优传输距离，基于不平衡融合Gromov-Wasserstein问题。该伪度量对保持依赖的重新排序具有不变性，对冗余步骤敏感度有限，并能处理缺失或幻觉步骤。在受控扰动和三个公开基准上，Otap在语义指标低于随机水平的场景中仍能有效区分有效与无效轨迹。其准确性在依赖图精确恢复时最高，在从自由文本推断时下降。

论文 Otap Agent轨迹规划评估

推荐理由：这篇论文提出了Otap，一个用最优传输来评估Agent轨迹的新方法。它不再只看任务成功与否，而是分析执行结构，还能容忍不同的规划顺序和冗余步骤。

7月15日

11:37

11:37

官方账号arXiv cs.AI@Junjie Yin, Xinyu Feng

该论文提出E3（Estimate, Execute, Expand）框架，让LLM Agent先估计任务难度，再执行最小可行路径，仅在验证失败时扩展范围。在MSE-Bench基准（121次编辑任务）上，E3在保持100%成功率的同时，将成本降低85%，tokens减少91%，检查文件数减少92%，并比强适应性检索基线高出16%。在gpt-4o真实库编辑实验中，E3是同等成功率下最轻量最快的策略。

论文 E3 MSE-Bench LLM agent

推荐理由：这篇论文解决了AI agent过度读取文件的问题，E3方法能自动判断任务简单就少干活，在MSE-Bench上省了85%成本，效果很实在。

6月26日

09:59

09:59

官方账号arXiv cs.AI@Shicheng Ye, Chao Yu

JERP（Joint Learning of Experiential Rules and Policies）是一种让LLM智能体同时从交互轨迹中更新经验规则池和策略的方法。该方法在决策时检索任务相关规则，并结合交互历史指导行动；每轮结束后，利用轨迹对比参考成功案例来优化策略与修正规则池。在AlfWorld和WebShop两个基准测试上，JERP在复杂交互任务中持续提升了决策性能。这一耦合机制使规则池与演化策略保持同步，同时将稳定有效行为逐步吸收到模型参数中。

论文 JERP LLM agent 经验规则

推荐理由：这篇论文提出了JERP，让LLM智能体边干活边总结经验规则，在AlfWorld和WebShop上效果明显。