arXiv cs.AI· Yuan Sui, Yulin Chen, Yibo Li, Xue Jiang, Yufei He, Yihong Dong, Xiaoxin He, Tianyu Gao, Bryan Hooi·· 10 小时前AI 评分40
TACT：通过激活引导缓解编程智能体的过度思考与过度行动
TACT: Mitigating Overthinking and Overacting in Coding Agents via Activation Steering
AI 导读
TACT（Think-Act Calibration via activation Steering）通过激活引导在残差流中检测并缓解编程智能体的“智能体漂移”，即过度思考与过度行动两种失败模式。
正文 · AI 翻译
摘要：当语言模型智能体处理复杂的软件工程任务时，它们往往会在长轨迹中性能退化，我们将此定义为*智能体漂移*。我们重点关注两种反复出现的失败模式：*过度思考*和*过度行动*，即智能体反复对已掌握的信息进行推理，以及在未整合近期观察或获取新证据的情况下发起工具调用。在本文中，我们提出 TACT（通过激活引导进行思考-行动校准），以在智能体漂移表现为行为失败之前，在残差流中检测并缓解它。具体而言，我们将轨迹步骤标记为过度思考、过度行动或校准状态，并发现它们的隐藏状态可以沿两条*漂移轴*线性分离，这两条轴从校准行为分别指向每种失败模式（AUC $\approx$ 0.9）。为缓解智能体漂移，我们在测试时将每一步的激活投影到这些轴上，并将漂移的激活拉回校准区域。实验表明，TACT 在 SWE-bench Verified、Terminal-Bench 2.0 和 CLAW-Eval 上优于未引导的基线，在 Qwen3.5-27B 上平均解决率提升 $+5.8$ 个百分点，在 Gemma-4-26B-A4B-it 上提升 $+4.8$ 个百分点，同时将解决所需步数最多减少 $26\%$。这些增益将智能体漂移视为残差流中一个可引导的方向，并使 TACT 成为实现可靠长时程智能体的可行手段。
| 评论： | Neurips 2026 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2605.05980 [cs.AI] |
| （或 arXiv:2605.05980v3 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2605.05980 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Yuan Sui [查看邮箱]
[v1]
2026年5月7日星期四 10:24:27 UTC（888 KB）
[v2]
2026年11月8日星期日 18:22:00 UTC（900 KB）
[v3]
2026年11月10日星期二 08:29:57 UTC（892 KB）
来源：arXiv cs.AI · arxiv.org