#LLM智能体

共 9 篇相关文章

LLM智能体长轨迹导致KV缓存成本飙升，缓存工程提出drop和repos操作直接控制活跃缓存，避免重新预填充。AKV引擎实现吞吐量提升1.2倍、延迟降低1.5倍，成本降低27.7%。

AdaExploreBench 是评估 LLM 智能体在动态环境中主动探索与测试时适应能力的新基准。实验显示 GPT-6 Sol 仅达 61.9% 校准准确率，揭示智能体主动获取证据与检测规则漂移的关键瓶颈。

LLM智能体多轮强化学习面临无效动作与循环困境。本文介绍一种条件状态空间探索框架，通过惩罚重复观测的内在奖励，减少冗余行为并鼓励状态覆盖，显著改善策略学习。

研究发现LLM智能体在检索工具输出时，GPT-5.1/5.2精度下降11.3/7.9点，Claude模型无损失，根源是证据替换——智能体跳过报告依赖自身输出导致舍入错误。命名权威输出可提升精度6.3-7.9点。

一项新研究构建SEER-Repro基准，利用LLM智能体自动化复现医学论文中的2190条原子主张，成功率达77.4%，并开发分析管道检验稳健性，识别出9.5%可能影响结论的分析选择。

最新研究在九个模型、两个基准上评估工具图记忆，发现其很少显著超越基线，增益主要来自额外计算而非记忆本身，且成本超两倍LLM调用。将经验存为文本洞察效果更优，几乎不增加调用成本，表明记忆应作为软先验而非工具规定。

论文提出Steering Agent监督框架，通过快慢双路径与强化学习联合训练，解决LLM智能体与多智能体系统在长程任务中的目标漂移问题，并验证其跨任务泛化与可控干预频率。

ChunkAct 将动作分块引入智能体机器人，通过离线编译记忆、在线执行动作块，在 LIBERO-Pro 上成功率提升 5.0 点，同时 LLM 调用减少 2.9 倍、输入 token 减少 4.4 倍。

arXiv最新论文提出"任务无关的环境预处理"框架，研究LLM智能体如何在无监督、无任务先验的条件下自主预习陌生环境。实验显示元智能体在多数基准领先，可复用的准备资源能将计算从测试时转移到预习阶段。