跳到正文
arXiv cs.AI· Rui Li, Liyang He, Zheng Zhang, Zhenya Huang, Qi Liu·· 10 小时前AI 评分48

AnyS1:为任意 Agent 工作流决策点提供统一的 System-1 模型

Thinking Fast, Anywhere: One System-1 for the Decision Points of Any Agent Workflow

AI 导读

AnyS1 框架将人类编写的流程技能转化为跨领域通用的决策点来源,并训练单个 4B 指针 System-1 模型,在运行时一次前向传播处理常规决策、置信度低于校准阈值时回退 System-2。在三个未见基准和不同 System-2 模型族上,AnyS1 保持任务可靠性,同时将单次任务成本降低 75-91%、模型调用时间减少 63-92%,并支持零样本阈值迁移。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:自主 LLM 智能体在每一步都调用大模型(System-2),即使许多中间动作只是在少量已知候选中做选择,也会带来可观的成本和延迟。现有的双系统智能体将此类决策卸载给轻量级 System-1 模型,但依赖为每个环境编写的工作流专用钩子。我们提出 AnyS1,该框架将人类编写的流程性技能(其指令天然指明了选择出现的位置以及适用的选项)转化为共享的、领域通用的决策点来源。离线阶段,AnyS1 在超过 1,000 个公开技能中挖掘有依据的可枚举决策,在隔离容器内收集基于执行的轨迹状态以构建 Any-DP,并通过标签平滑训练单个经过校准的 4B 指针式 System-1。运行时,编译后的工作流在一次前向传播中解决常规决策,当置信度低于校准阈值时回退到 System-2。在三个未见过的基准和不同的 System-2 模型系列上,与未编译的 System-2 智能体相比,AnyS1 在保持任务可靠性的同时将单回合成本降低 75-91%、模型调用时间降低 63-92%,并在零样本阈值迁移下保持性能。
评论: 16 页,8 幅图,7 张表。项目页面:此 https URL
主题: 人工智能(cs.AI);计算与语言(cs.CL);机器学习(cs.LG)
引用为: arXiv:2611.23751 [cs.AI]
  (或 arXiv:2611.23751v1 [cs.AI] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.23751

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Rui Li [查看电子邮件]
[v1] 2026 年 11 月 18 日星期三 03:05:41 UTC(203 KB)

来源:arXiv cs.AI · arxiv.org