研究：小模型智能体难以高效利用时间预算
原文标题：On the Clock: Towards Punctual and Productive Time-Budgeted AI 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。
论文研究小型 LLM 智能体在明确墙钟时间预算下的表现，在 MLE-Bench Lite 与 Zork I 上评估 Qwen3.6-27B 与 Qwen3-4B。结果显示智能体难以将预算转化为受控用时，通过 harness 注入计时信息可显著改善预算遵守，GRPO 强化学习在 Zork I 上接近完美遵守，但遵守预算后仍无法用额外时间提升任务表现。
- 问题
- 小型 LLM 智能体能否遵守并有效利用墙钟时间预算。
- 方法
- 在 MLE-Bench Lite 与 Zork I 上评估 Qwen3.6-27B 与 Qwen3-4B，对比 harness 注入计时信息与 GRPO 预算感知强化学习。
- 结果
- harness 注入计时显著改善预算遵守且无性能损失；GRPO 在 Zork I 接近完美遵守，但遵守后仍无法用额外时间提升任务表现。
- 影响
- 时间预算需由外部 harness 强制而非靠提示，且遵守预算不等于会用时间，智能体调度设计要分开处理。
深读 · 结论先行AI 生成展开看要点与影响 ↓
小模型智能体难把时间预算转化为受控用时；GRPO 可近乎完美守时，但多给时间也提不了分。
- •在 MLE-Bench Lite 评 Qwen3.6-27B、Zork I 评 Qwen3-4B，预算仅写在提示中时智能体无法控制用时
- •失败源于缺乏计时反馈、无法预判动作耗时、缺少「时间到策略」的映射
- •harness 注入计时信息显著改善 Qwen3.6-27B 预算遵守且无明显性能损失
- •GRPO 在 Zork I 上近乎完美遵守并泛化到未见预算，但遵守后仍无法用额外时间提升表现
为什么重要：揭示「守时」与「有效用时间」是两种能力，仅靠强化学习约束预算不等于提升任务表现。
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。