Igor Shavlak 及同事的一篇新论文强调了 LLM 代理框架中的一个关键问题:在工具输出和模型实际处理之间会发生大量信息丢失。他们的研究发现,即使上下文窗口基本未使用,由于框架的序列化和预算削减过程,很大一部分工具结果被截断或完全丢失。这种丢失不成比例地影响了输出后期出现的信息,导致代理的准确性降低和计算成本增加,而且通常在标准的性能指标中不可见。 AI
影响 强调了 LLM 代理中一个关键的、通常不可见的故障模式,该模式可能导致准确性降低和成本增加,需要新的评估指标。
排序理由 该集群基于一篇详细介绍 LLM 代理框架研究结果的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv 2610.36114
- Context Is a Pipeline, Not a Window: Information Attrition in LLM Agent Harnesses
- Igor Shavlak
- JSON
- Linux
- LLM Agent Harnesses
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →