arXiv cs.AI· Tom A. Lamb, Adam Golinski, Eleonora Gualdoni, Sinead Williamson, Michael Kirchhof·· 1 天前AI 评分46
面向预算感知多轮智能体的奖励设计：让 Qwen3.5 自主适应任意推理时预算约束
Rewards for Budget-Aware Multi-Turn Agents That Adapt to Arbitrary Test-Time Constraints
AI 导读
一项 arXiv 研究训练 Qwen3.5 的 4B 和 9B 模型，让多轮大语言模型智能体自己学会在 token、API 调用、环境步数等预算内分配资源，无需外部预算控制器。
来源：arXiv cs.AI · arxiv.org