论文提出Agentic Abstention问题与CONVOLVE方法
热点事件持续更新
论文提出Agentic Abstention问题与CONVOLVE方法
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Han Luo等研究者在arXiv论文中定义了"Agentic Abstention"，即LLM智能体在不确定时决定何时停止行动而非继续调用工具的序贯决策问题，并提出通过将交互轨迹蒸馏为可复用停止规则的CONVOLVE上下文工程方法。 研究在网页购物、终端环境和问答任务上评测了13个LLM智能体系统与2种agent scaffold，覆盖超过28,000条任务指令，发现部分智能体该停止时不停止，另一些经多次不必要交互后才放弃，更大或更强的模型有时反而不擅长及时弃权。 效果方面，在留出的WebShop任务上，CONVOLVE在不更新模型参数的情况下将Llama-3.3-70B的及时弃权召回率从26.7提升到57.4。论文的数据集和代码已公开。
AI 根据报道生成 · 2 小时前更新
最新进展11月6日 13:00
Agentic Abstention：研究 LLM 智能体何时该停止行动而非继续调用工具报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv cs.AI精选Agentic Abstention：研究 LLM 智能体何时该停止行动而非继续调用工具
论文定义了 Agentic Abstention，即智能体在不确定时应停止行动的序贯决策问题。研究在网页购物、终端环境和问答任务上评测 13 个 LLM 智能体系统与 2 种 agent scaffold，超过 28,000 条任务指令，发现部分智能体该停止时不停止，另一些则经过多次不必要的交互后才放弃，更大或更强的模型有时反而不擅长及时弃权。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。