arXiv cs.AI· Qingni Wang, Changdae Oh, Yuzhe Yang, Sharon Li, Jiachen Yang, Ang Li, Xin Eric Wang·· 2 天前AI 评分38
LEASH：面向计算机使用智能体的不确定性感知弱到强升级与监督框架
LEASH: Uncertainty-Aware Weak-to-Strong Escalation and Oversight for Computer-Use Agents
AI 导读
LEASH 是一个免训练框架，通过弱模型的潜在不确定性信号决定何时将控制权交给强模型，并在交接后持续监督强黑盒智能体。在 OSWorld 上，LEASH 在匹配升级率下比随机升级高出 6.55–11.94 分；搭配 Qwen3.5-35B-A3B 时任务成功率达 73.66%，每任务成本 $0.4117，与始终在线的 Claude Opus 5（72.90%）持平，推理成本降低 19.2%。
正文 · AI 翻译
摘要：计算机使用智能体越来越多地处理长时程任务，而在每一步都运行前沿模型成本高昂，仅靠一个小型开放权重模型又往往失败。弱到强升级提供了一种折中方案：默认由弱智能体行动，仅在需要时将控制权交给强智能体。核心挑战在于决定何时升级，这需要一个足够廉价、可在每一步检查的不确定性信号。然而，即便在交接之后，强智能体仍可能迷失方向，而强智能体通常所依赖的黑盒 API 不暴露任何可供监控的内部信息。为此，我们提出 LEASH，一个免训练框架，仅在弱智能体的潜在不确定性表明需要时释放强智能体，并在之后对其加以约束。LEASH 包含三层：（1）用于早期路由的初始任务不确定性，（2）用于运行时升级的步级不确定性，以及交接之后（3）用于对强黑盒智能体持续监督的影子观察者。在这里，我们将潜在不确定性作为全部三层的燃料。具体而言，我们将弱模型的隐藏状态与其过去成功和失败轨迹的隐藏状态进行比较，看起来更像失败的状态意味着更高的不确定性。在弱智能体执行期间，我们的不确定性估计器复用动作生成过程中已产生的激活值，因此无需额外的前向传播或专门的监控器训练。在 OSWorld 上跨四个当代模型骨干的实验表明，LEASH 始终优于单独的弱智能体，并在相同升级率下比随机升级高出 6.55--11.94 个百分点。使用 Qwen3.5-35B-A3B 时，LEASH 以每任务 $0.4117 的成本达到 73.66% 的任务成功率，与始终开启的 Claude Opus 5（72.90%）相当，同时将推理成本降低 19.2%。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.22280 [cs.AI] |
| （或 arXiv:2610.22280v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.22280 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Qingni Wang [查看邮箱]
[v1]
2026年10月15日星期四 17:40:12 UTC（4,645 KB）
来源：arXiv cs.AI · arxiv.org