arxiv arXiv cs.CL · 刚刚 · research

协程桥接框架在CAR-bench Track 2中以60.0% Pass^3成绩获胜

译自 English → 中文

一种用于工具使用代理的新型协程桥接框架在CAR-bench评估的Track 2中获胜，在官方隐藏测试集上取得了60.0%的Pass@3分数。该系统通过将模型调用与工具往返过程解耦来实现，让模型生成Python程序，这些程序在评估器交互过程中阻塞并恢复执行。

该方法通过将确定性策略编码为工具层的逻辑而非提示规则，以零推理成本强制执行合规性。

重要性 2/3 具有差异化优势的新评测框架 arXiv cs.CL AI agents Inference efficiency

研究人员推出了 CliffCompaction，这是一种自动压缩技术，旨在通过截断而非改写的方式保留压缩信息的忠实度，从而在受限上下文条件下将长周期编码智能体的成本降低高达 50%。该方法在 Terminal-Bench 上保持或提升了性能，并在 KernelBench 上取得了最先进结果。

研究人员推出了 CliffCompaction，这是一种专为处理数百万 token 的智能体设计的自动压缩技术，可在有界上下文下将成本降低高达 50%。该方法通过在截断而非改写时保持信息忠实度，在 Terminal-Bench 上维持或提升了性能，并在 KernelBench 上取得了最先进结果。

Parallel 已将 OpenAI 的 GPT-6 Astra 集成到其 AI 代理基础设施中，与之前的模型相比，研究时间和代码成本均降低了 50%。该公司表示，新模型使代理能够以显著更快的速度完成复杂的知识工作，同时保持高质量的输出。

研究人员提出了AgentRouter，这是一种轻量级分类器，通过将单个轨迹步骤路由到合适的模型层级，而非为每个任务都使用前沿模型，从而优化多步智能体工作流。该系统解决了现有解决方案的不足，后者忽略了单个智能体会话内不同子任务的复杂性差异。

研究人员提出了AgentRouter，这是一种轻量级分类器，通过将各个轨迹步骤路由到合适的模型层级，而不是对所有任务使用单一的前沿模型，从而优化多步智能体工作流。该系统解决了企业系统的低效问题，这些系统浪费了60-80%的推理预算在较小模型同样能胜任的子任务上。