超越提示：测量与优化LLM工具智能体运行时
原文标题：Beyond Prompts: Measuring and Optimizing LLM Tool-Agent Harnesses
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
该研究提出一种无需重新训练即可改进LLM工具智能体的方法，通过修改运行时环境（如提示、工具接口、中间件等）来实现。研究者设计了资源受限的运行时选择协议，并引入PRISM优化器，在多个基准上取得了显著性能提升。研究强调在报告平均性能提升的同时，也应关注所选运行时的可靠性。
- 问题
- 固定模型下，如何通过修改运行时环境而非重训练来提升工具智能体性能。
- 方法
- 把提示与工具边界中间件作为受限搜索面，提出资源受限的运行时选择协议与PRISM优化器，按失败聚类路由修复。
- 结果
- BFCL多轮、tau2-Retail、tau2-Telecom上平均留出提升14.2、14.9、10.1个百分点，三个基准RelLift95均为正。
- 影响
- 说明不改模型也能大幅提升工具智能体，但需同时报告所选运行时的可靠性，避免选到脆弱更新。
深读 · 结论先行AI 生成展开看要点与影响 ↓
不改模型只改运行时，PRISM在三个基准上平均留出提升10.1至14.9个百分点
- •把问题定义为固定模型多轮工具智能体的资源受限运行时选择，搜索面限于提示与工具边界中间件
- •编辑是工具边界上的受保护拦截，而非任意改写智能体执行逻辑
- •PRISM聚类失败并把修复路由到提示、中间件或联合编辑面，在Pareto搜索内进行
- •BFCL多轮、tau2-Retail、tau2-Telecom上平均留出提升分别为14.2、14.9、10.1个百分点，RelLift95均为正
- •消融显示增益主要来自失败面路由与编辑模式约束；部分搜索能偶得大涨但选出脆弱更新
为什么重要：提示工程之外，工具边界中间件是被低估的提效杠杆；同时提醒报告平均提升时应一并披露所选运行时的可靠性。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。