SAG以按需批评降低智能体推理成本

Heewon Park、Somin Im和Minhae Kwon提出SAG，通过全局熵与局部前两名动作的置信度差估计批评效用，仅在预期收益足以覆盖成本时调用批评器。论文摘要称，该方法在三个长时程交互基准和多种骨干模型上改善了性能与成本的权衡。 在ALFWorld上，SAG将任务成功率从24.6%提高至78.4%，在token预算与ReAct相当的情况下，规范化token效率提升3.1倍；7B执行器配合3B批评器的表现接近14B无批评执行器。上述结果仅依据论文摘要，材料未提供完整正文。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。