arXiv · cs.AI· Boris Radovi\v{c}, Marco Canini, Veljko Pejovi\'c·· 5 小时前
云端程序调用本地小模型提升端侧Agent任务成功率
Should SLMs be in the Driver's Seat? A Study of Local Models as Interpreters in Cloud-Written Agent Programs
arXiv:2610.14209v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Boris Radovi\v{c}, Marco Canini, Veljko Pejovi\'c
研究任务与主要进展
研究提出一种混合Agent架构：云端模型先编写程序，再通过普通函数调用将受限的用户数据解释任务交给端侧小模型，从而在数据不离开设备的情况下处理运行时内容。基于论文摘要，该方法在AppWorld评估的六种骨干模型与测试分区组合中均提高了仅代码Agent的成功率，最高提升14.9个百分点，缩小了与云端ReAct循环的差距。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org