UCLA 与东北大学研究：AI 智能体约 18% 输出 token 属可移除浪费
UCLA研究：AI智能体约18%输出token是浪费
UCLA 与东北大学论文发现，AI 智能体约 18% 的输出 token 是可移除的浪费，剪掉后任务成功率几乎不受影响。研究覆盖 6 个前沿模型和 4 个 benchmark，方法是将智能体调用经代理转发，由 LLM 判定可删除片段后重跑验证。
Rohan Paul· @rohanpaul_ai · X·2026-11-09 20:14· 2 小时前AI 评分46
AI 导读
UCLA与东北大学论文发现，AI智能体约18%的输出token属可移除浪费，剪掉后任务成功率几乎不受影响。研究覆盖6个前沿模型和4个benchmark，在Kimi-K3的推理中剪除重复与填充内容后，SWE-bench Verified上减少41%输出token，成功率89.5%对89.0%。作者建议按任务与harness定位浪费来源，而非单纯限制token。
正文 · 原文
UCLA与东北大学的新论文发现，AI智能体约18%的输出token是可移除的浪费，剪掉后几乎不影响任务成功率。
智能体账单通常按总token数计算。这个数字无法告诉你哪些token做了有用的工作，哪些只是重复了某个策略、重新获取了文件，或走进了死胡同。
他们让智能体调用经过一个代理，并用LLM评判器标记出那些删掉也不会损失有用工作的片段。然后他们删除这些片段并重新运行智能体，以确认没有出问题。
在6个前沿模型和4个benchmark上，约18%的输出token是浪费。从Kimi-K3的推理中剪除重复和填充内容后，在SWE-bench Verified上减少了41%，成功率保持在89.5%对89.0%。
要削减智能体成本，应找出你的任务和harness在哪里产生浪费，而不是仅仅限制token。
来源：Rohan Paul · x.com
来源：RadarAI · aihot.news