研究双进程代理何时调用推理模型

该论文提出一种双过程智能体门控：快速决策模型负责所有决策，仅在门控开启时将控制权交给推理视觉语言模型，同时让游戏继续运行。基于论文摘要，在900个留出问题上的离线实验显示，转交最低置信度的30%决策，相比随机转交可获得更高收益，且收益与执行模型的AUROC相关；但在33场闭环 Doom游戏、3个随机种子中，所有变体都未到达出口。作者同时公开了代码、Prompt、数据和运行日志。

摘自 arXiv · cs.AI

还没有足够的连续观测数据，暂不绘制趋势。