arXiv cs.AI· Michael Ofengenden, Maksym Andriushchenko·· 9 天前AI 评分41
AgentTime：AI 智能体能否预估并控制自身运行时长？
AgentTime: Can Agents Estimate and Control Their Own Runtime?
AI 导读
研究者提出 AgentTime 基准，用 222 个来自 18 个来源的任务测试智能体能否按指定时长工作、预测运行时间并事后估算耗时。在时长遵循实验中，Claude Code 中的 Fable 5.1 与要求时长的典型偏差达 2.9 倍，而 Codex 中的 GPT-6 Astra 仅为 1.2 倍；158 次可分类的 Astra 运行中有 14 次在看似完成后显式休眠。
正文 · AI 翻译
摘要：AI 智能体的一项关键控制能力是管理运行时间。这种能力需要时间感知，即预测和估计实际耗时，并控制自身行为。此前的工作主要关注时间感知，但原生智能体框架中的时长遵循与控制尚未得到探索。我们提出 AgentTime，一个用于测试智能体能否按要求的时长工作、预测自身运行时间并在事后估计已用时间的基准。它包含来自 18 个来源的 222 个任务，涵盖编程、计算机使用、智能体工作和自动化研究。在时长遵循实验中，我们附加一条指令，说明应工作多长时间，请求范围从约一分钟到多天不等。对这些指令的准确度差异很大：Claude Code 中的 Fable 5.1 与请求运行时间的典型偏差为 2.9$\times$，而 Codex 中的 GPT-6 Astra 仅为 1.2$\times$。然而，匹配请求的运行时间本身并不能证明智能体在持续处理任务。在 158 次可分类转录的 Astra 运行中，有 14 次在看似完成后明确进入休眠。在预测实验中，预测往往高估自然运行时间。在回顾性实验中，移除时间信息会使 Sol 和 Astra 的偏差增加一倍以上，使 Fable 的偏差增加近一倍。智能体完成任务的能力并不能保证它能控制自己的时间或按请求的整个时长工作。为了让智能体在长时程中可靠、安全、自主地运行，我们需要对两者都进行评估。
| 评论： | 网站：此 https URL 代码：此 https URL |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.09944 [cs.AI] |
| （或 arXiv:2610.09944v2 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.09944 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Michael Ofengenden [查看电子邮件]
[v1]
2026 年 10 月 7 日星期三 12:26:24 UTC（1,219 KB）
[v2]
2026 年 10 月 8 日星期四 09:06:36 UTC（1,219 KB）
来源：arXiv cs.AI · arxiv.org