arXiv cs.AI· Aaron Wang, Neelabh Madan, Vlad Sobal, Matthew Trager, Michael Kleinman, Elman Mansimov, Wei Xia, Stefano Soatto·· 9 天前AI 评分24
Qwen3.6-27B 与 Qwen3-4B 如何在时间预算下成为守时高效的 AI 智能体
On the Clock: Towards Punctual and Productive Time-Budgeted AI Agents
AI 导读
研究测试了小型 LLM 智能体能否在明确的墙钟时间预算下既遵守运行时长又高效利用时间，在 MLE-Bench Lite 五个竞赛上评估 Qwen3.6-27B、在 Zork I（Jericho）上评估 Qwen3-4B。
正文 · AI 翻译
摘要：我们研究小型 LLM 智能体能否在明确的挂钟时间预算下有效运行，既遵守分配到的运行时间，又富有成效地利用可用时间。我们在 MLE-Bench Lite 的五个竞赛上评估 Qwen3.6-27B，在 Zork I（Jericho）上评估 Qwen3-4B，这两个智能体基准中额外的计算时间能够有意义地提升性能。在最简单的设置中，即预算仅在提示中说明，智能体无法将所述预算转化为对时间的受控使用。这些失败源于时间感知方面的缺口，因为测试框架不提供计时反馈，但也因为它们无法可靠地预判动作的持续时间，并且没有从可用时间到适当策略的学习映射。我们研究了两类互补的干预措施：暴露计时信息并强制执行截止时间的基于测试框架的机制，以及带有预算感知奖励的强化学习。通过测试框架注入计时信息，显著提高了 Qwen3.6-27B 的预算遵守程度，且没有可测量的性能损失，而强制执行钩子进一步收紧了遵守程度。使用 GRPO 的强化学习在 Zork I 上实现了近乎完美的预算遵守，并能泛化到训练中未见过的保留预算，但在 MLE-Bench 上并未比未训练的测试框架提升任务性能。一旦智能体被要求遵守预算，它们仍然无法利用额外时间来提升任务性能。经强化学习训练的策略学会了何时停止，但往往用重复动作填满额外时间，而在多个预算上进行 GRPO 训练往往会坍缩到为最短预算学到的策略。我们的结果揭示了时间遵守与富有成效的时间分配之间的差距，这仍然是预算条件智能体的核心挑战。
| 评论： | 被 NeurIPS 2026 资源感知智能体 AI 研讨会接收。23 页 |
| 主题： | 人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.10833 [cs.AI] |
| （或 arXiv:2610.10833v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.10833 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Vlad Sobal [查看电子邮件]
[v1]
2026 年 10 月 7 日星期三 19:35:08 UTC（152 KB）
来源：arXiv cs.AI · arxiv.org