一篇新研究论文介绍了“智能体弃权”（Agentic Abstention），解决了AI智能体知道何时停止与环境交互，而不是在不确定性下继续行动的挑战。该研究在超过28,000个任务中评估了13个LLM作为智能体（LLM-as-agent）的系统和2个智能体脚手架（agent scaffolds），发现许多智能体在及时弃权方面存在困难，要么在应该停止时从不停止，要么不必要地继续。为了改善这一点，研究人员开发了CONVOLVE，一种上下文工程方法，将交互轨迹提炼成停止规则，显著提高了Llama 3.3 70B等模型的弃权率。 AI
影响 通过使AI智能体能够识别何时进一步行动是徒劳的，从而提高其可靠性。
排序理由 学术论文，介绍AI智能体的新问题和新方法。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.28733v1 Announce Type: new Abstract: LLM agents are expected to act over multiple turns, using search, browsing interfaces, and terminal tools to complete user goals. Yet not every goal is well specified or achievable in the available environment. In such cases, a reli…
Agentic abstention involves determining when an AI agent should cease interaction under uncertainty, requiring sequential decision-making across multiple environments and task types.