论文提出CASEL：工具调用的后果感知选择性执行策略

Yanyan Zhang 等作者在 arXiv（cs.AI，arXiv:2610.36570）发布论文，提出 CASEL（Consequence-Aware Selective Execution Layer），一种模型无关的运行时分配策略，用于长程工具调用智能体。该策略综合校准失败概率、状态相关后果、可逆性、模糊性与证据新鲜度，为每次工具调用在直接执行、验证、沙箱、澄清、审批和弃用之间按最小成本选择执行方式。 论文本身说明，干预有效性是假定而非实测的：相关结果是在模拟器假设下对各分配规则进行排序，并未证明部署后的实际效果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。