★ 3
ToolBottleneckBench：固定预算下测量工具智能体性能
论文提出 ToolBottleneckBench，在固定 harness 预算下测量工具智能体在受控压力下的表现。实验发现可见工具菜单是唯一对模型造成大惩罚的压力，且惩罚与完成上限截断相关；将上限提高十六倍可消除大部分惩罚。研究建议报告压力效应时须注明 harness 预算，并开源基准。
arXiv NLP16 天前
#工具智能体
共 3 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
超越提示：测量与优化LLM工具智能体运行时
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。
arXiv cs.AI53 天前
★ 2
Reward Engine：开放式工具智能体的奖励自进化
论文提出Reward Engine，从任务与初始轨迹构建包含测试用例与评分细则的RewardPack，作为冻结奖励指导智能体修正输出并用于强化学习。在WorkBuddy Bench Office与Claw-Eval上，三次运行一致性分别从45.0%升至54.0%、78.4%升至83.7%。
arXiv cs.AI12 天前