arXiv cs.AI· Yuetian Du, Meng Wang, Yucheng Wang, Zhangzhe Chen, Wei Wang, Boyu Yang, Weiqi Zhai, Bing Zhao, Ming Kong, Zhan Zhou, Jie Liu, Qiang Zhu·· 3 天前AI 评分32
REVEAL：从前沿模型轨迹中逆向工程智能体隐变量
REVEAL: Reverse Engineering Agentic Latents from Frontier-Model Traces
AI 导读
研究者提出免训练框架 REVEAL，通过逆向工程思路从前沿 LLM 智能体的文本轨迹中提取"Agentic Latents"，为冻结的目标智能体生成局部激活控制方向。在 Terminal-Bench 2.1 和 Humanity's Last Exam with tools 上，该方法在三个目标模型上均取得高于未修改智能体的准确率，且无需目标模型训练或访问源模型内部。
正文 · AI 翻译
作者：Yuetian Du、Meng Wang、Yucheng Wang、Zhangzhe Chen、Wei Wang、Boyu Yang、Weiqi Zhai、Bing Zhao、Ming Kong、Zhan Zhou、Jie Liu、Qiang Zhu
摘要：前沿 LLM 智能体能够执行复杂的交互任务，但其推理成本促使人们将其经验迁移到更小的开源智能体上。蒸馏和潜在通信通常需要训练目标模型或访问源模型内部信息。我们研究文本形式的前沿模型轨迹如何为冻结的智能体提供可复用的局部控制。受协议逆向工程启发，我们引入 $\textit{Agentic Latents}$，它由锚定状态以及通过在目标模型中重放所引发的反馈—响应循环的动态画像组成。我们的免训练框架 $\textbf{REVEAL}$（$\textbf{REV}$erse $\textbf{E}$ngineering $\textbf{A}$gentic $\textbf{L}$atents）利用这些画像和轨迹结果，从同一任务和源模型的成功与失败 rollout 中匹配并选择局部事件。它们的响应转移对比产生一个目标特定的引导方向，并在每次响应前应用。在 Terminal-Bench 2.1 和 Humanity's Last Exam with tools 上的基准内评估报告称，在三个目标上准确率均高于未修改的智能体。表征分析和行为案例研究支持将前沿模型经验复用为局部激活控制。
| 主题： | 人工智能（cs.AI）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.16288 [cs.AI] |
| （或 arXiv:2610.16288v2 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.16288 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Yuetian Du [查看电子邮件]
[v1]
2026年10月12日星期一 07:14:47 UTC（2,546 KB）
[v2]
2026年10月14日星期三 02:36:15 UTC（2,546 KB）
来源：arXiv cs.AI · arxiv.org