arXiv cs.CL· Yam Marcovitz·· 12 小时前AI 评分31
Signals and Queries（S&Q）：面向 Parlant 4.0 的 Token 高效智能体上下文发现
Signals and Queries: Token-Efficient Agentic Context Discovery
AI 导读
为 Parlant 4.0 设计的轻量级首阶段相关性过滤器 Signals and Queries（S&Q）可在下游评估前剔除至少 30% 的候选策略，同时保持高召回率。
正文 · AI 翻译
摘要：面向用户的 LLM 智能体必须在每一轮识别哪些行为策略适用，但用 LLM 评估每条策略成本高昂。我们提出 Signals and Queries（S&Q），这是为 Parlant 4.0 开发的轻量级第一阶段相关性过滤器，可在下游评估前移除至少 30% 的候选策略，同时保持高召回率。对于每条策略，由 LLM 离线生成激活示例和困难负样本。随后，一个独立的逻辑回归分类器基于这些嵌入进行训练，利用嵌入和向量点积预测相关性，无需每轮调用 LLM。这将昂贵的相关性评估转移到更小的候选集上，同时允许每条策略的分类器独立更新。在覆盖 254 个 $\tau^2$-bench 对话前缀和 36 条航空公司策略的 9,144 个 LLM 评判相关性标签上进行评估，S&Q 在每个评估召回水平上都比 top-K 和余弦阈值检索具有更高的精确率，且在两个嵌入提供商上结果一致。这些发现支持将低成本的逐策略分类作为实用的第一阶段，以减少面向客户智能体的下游评估工作量。
| 学科： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.29326 [cs.CL] |
| （或 arXiv:2610.29326v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.29326 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Yam Marcovitz [查看邮箱]
[v1]
2026年10月21日星期三 07:25:59 UTC（108 KB）
来源：arXiv cs.CL · arxiv.org