arXiv cs.AI· Bo Yan, Qi Zhang, Zhen Tan, Tianlong Chen, Song Wang·· 1 天前AI 评分37
PORA：学习判断 LLM Agent 何时值得更多推理
PORA: Learning When More Reasoning Pays Off for LLM Agents
AI 导读
arXiv 论文提出配对结果引导推理分配方法 PORA，让 LLM Agent 在每个动作前通过对比同一状态下短推理与长推理的结果，学习决定何时使用更长推理。在 BFCL memory 上，PORA 超过最强现有方法 17.4–32.9 个百分点；在代码和数学任务上匹配或超过始终长推理，同时 actor token 减少 50.6%、模型请求数减少 31.2%。
来源：arXiv cs.AI · arxiv.org