arXiv cs.AI· Zhengkun Di, Bin Shi, Kai Sun, Yiming Xu, Bo Dong·· 11 小时前AI 评分31
BudgetPM：智能体何时该检查外部状态？为存储意图分配观测预算
When Should Agents Check External State? Budgeting Observations for Stored Intentions
AI 导读
研究提出 BudgetPM，首个为存储意图所需外部观测做资源分配的框架，含共享硬预算执行器下的 Static 与 Sequential 两种策略。
正文 · AI 翻译
摘要：前瞻记忆使智能体能够保留与未来条件绑定的意图，但所存储的意图并不揭示该条件当前是否成立。检查该条件可能需要网络访问、多步工具调用以及付费调用。现有系统决定意图何时需要关注，但不会在共享预算下分配由此产生的观测。我们首次针对共享回合预算下存储意图所需的外部观测，提出了资源分配形式化框架。BudgetPM 提供两种策略变体，二者共享一个硬预算执行器。BudgetPM-Static 使用轻量级 Logistic 评分器来学习检查是否能改善当前决策。BudgetPM-Sequential 将完整回合的事后调度蒸馏为轻量级策略，在部署时仅使用查询前信息来决定何时消耗或保留容量。我们将 BudgetPM 与两个公开的记忆智能体系统、五个匹配对照以及四条手工设计的监控或预算自适应规则进行了评估。在两个基准和三个骨干模型上，BudgetPM-Static 优于经过适配的 Mem0 和 PMA 工作流。在 PM-Bench 上，其 Logistic 评分器达到了与更高容量评分器相当的具有竞争力的质量—成本工作点，并在观测次数减少 42–54% 的情况下保留了 99.9–100% 的无约束质量。在严重稀缺和相同硬上限下，BudgetPM-Sequential 比测试中最强的自然监控调度高出 1.92–2.58 个 Set F1 点。它以少 16–33% 的观测次数达到相同的 Set F1 和按时召回率。匹配归因、精确成本分析以及固定预算负载干预将这一增益与当前和未来机会之间的竞争联系起来。这些结果得出一条需求—容量设计规则：当容量覆盖需求时，局部门控有效；而当观测在时间上相互竞争时，未来感知监督会增加价值。
| 评论： | 23 页，2 幅图 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2609.37125 [cs.AI] |
| （或 arXiv:2609.37125v3 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.37125 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Zhengkun Di [查看邮箱]
[v1]
2026 年 9 月 29 日星期二 09:32:43 UTC（1,815 KB）
[v2]
2026 年 9 月 30 日星期三 01:40:25 UTC（1,815 KB）
[v3]
2026 年 10 月 16 日星期五 01:24:20 UTC（1,815 KB）
来源：arXiv cs.AI · arxiv.org