SURE-Act：让工具智能体学会何时行动何时求助
原文标题：Agents' Last Doubt: Knowing When to Act and When to Step Back in Tool-Using Agents
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文针对工具调用型 LLM 智能体在不确定情境下的决策难题，构建了 ToolSandbox 上首个反事实数据集，包含 1036 个决策点的 3115 条动作结果。基于该数据训练的 SURE-Act 控制器在推理时为冻结主干智能体选择动作，使 Qwen3-4B 智能体的整体得分提升最多 0.0575，并显著优于 SAGE-Agent 与 Calibrate-Then-Act 的决策规则。
- 问题
- 工具调用智能体在不确定时该自主行动、继续查信息还是转人工，缺乏反事实依据。
- 方法
- 在 ToolSandbox 构建反事实动作结果数据集，训练推理时控制冻结主干智能体选动作的 SURE-Act。
- 结果
- Qwen3-4B 智能体整体得分最多提升 0.0575，分别高出 SAGE-Agent 与 Calibrate-Then-Act 规则 0.1506 和 0.1438。
- 影响
- 智能体的「何时求助」可作为独立可训练的控制层，不必重训主干即可降低不可逆错误与交互成本。
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。