AO-DA解耦Agent逻辑与人格

Masaaki Nakatsu 与 Reno Wang 提出 AO-DA，将边缘语言模型 Agent 的逻辑推理与角色表达拆成同一基础模型上的两条路径：逻辑路径只处理当前核心对话并输出可验证的 Micro-State，人格路径再结合完整历史进行角色化表达。作者在 Apple M2 上使用 4-bit 的 Llama-3.1-8B-Instruct 和 Gemma-3-4B-it 开展 480 次消融实验，覆盖四种上下文污染程度、两种任务、两种人格和五个随机种子。结果显示，解耦会在主题首轮增加一次解码，Llama 用时由 18.2 秒增至 28.2 秒，但之后更换人格无需重跑逻辑路径，热切换耗时 1.7 毫秒；论文还称已发布代码、评测标准、适配器和日志。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。