企业Agent论文比较学习与推理决策路径效果

Hyojung Han 等在 arXiv 论文 2610.17643 中，固定一个 27B 参数韩语企业模型，比较企业 Agent 在书面政策下的动作决策路径：输出为生成的 JSON 对象还是单个受限 token，以及是否允许先推理。 在 2800 条同分布数据上，两条部署路径准确率为 93.46% 和 94.14%，作者未检测到差异；但动作重启稳定性约为 3.00% 与 0.29%。在由隐藏可执行策略生成标签的 300 条封闭基准上，开启推理使精确动作准确率提升 17.3 个百分点（区间 +12.3 至 +23.0）。 所有监督数据均为韩语，结论限于该实验设置。

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。