LLM 帕金森症与全局执行控制架构
原文标题：LLM Parkinsonism: Executive-Control Failure, Token-Inefficient Persistence, and an Uncertainty-Aware Global Executive Control Architecture for Autonomous Language-Model Agents
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。
论文用「LLM 帕金森症」比喻智能体在目标达成后仍持续低价值动作的现象，认为根源在于提案生成、范围解释、进度评估与停止权集中于同一自条件循环。提出不确定性感知的全局执行控制架构 GEC v0.2，在 2.4 万回合基准上保持 96.57% 成功率的同时将平均 token 用量降低 36.4%，并消除完成前漂移。
- 问题
- 智能体在目标达成后仍持续低价值动作，浪费 token 且漂移。
- 方法
- 将提案生成、范围解释、进度评估与停止权从同一自条件循环中分离，提出不确定性感知的全局执行控制架构 GEC v0.2。
- 结果
- 2.4 万回合基准成功率 96.57%，平均 token 从 19,782 降至 12,574（-36.4%），消除完成前漂移。
- 影响
- 长程 agent 产品可直接降本三分之一以上，同时不牺牲任务成功率。
深读 · 结论先行AI 生成展开看要点与影响 ↓
GEC v0.2在2.4万回合基准上保持96.57%成功率，同时把平均token用量从19782降到12574，省36.4%。
- •用「LLM帕金森症」比喻智能体在目标达成后仍持续低价值动作，如重复验证、修补自造复杂度
- •归因于提案生成、范围解释、进度评估与停止权集中在同一自条件循环，而非单纯自回归预测
- •2.4万回合匹配候选基准、4万token上限下：首候选基线67.42%，候选集局部控制96.53%，GEC 96.57%
- •相对候选集控制，GEC保持成功率同时把平均token从19782降至12574（-36.4%），完成前受限平均token从16136降至13114（-18.7%）
- •结论指向：多候选动作解释了大部分成功率增益，而GEC的增量价值主要在省token与消除完成前漂移
为什么重要：为长程智能体的「停不下来」问题给出可量化的治理架构，对按token计费的Agent产品意味着直接的降本空间。
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。