★ 3研究：小模型智能体难以高效利用时间预算论文研究小型 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…arXiv cs.AI24 天前