热点事件持续更新
研究团队提出智能体推理分配方法PORA
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月，研究者提出配对结果导向推理分配方法 PORA。该方法通过比较同一状态下的长短推理收益与预算压力，让大语言模型（LLM）智能体自主决策何时调用更多推理。实验结果显示，在 BFCL memory 测试中，PORA 超出最强现有基准 17.4 至 32.9 个百分点；在代码和数学任务中，该方法媲美或超越全长推理表现，同时分别减少了 50.6% 的 actor tokens 与 31.2% 的模型请求。
AI 根据报道生成 · 3 小时前更新
最新进展10月21日 12:00
研究者提出 PORA 方法，使智能体自主分配推理预算并显著降低资源消耗。报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv 人工智能PORA：让 LLM 智能体学会何时增加推理预算更划算
研究者提出配对结果导向推理分配方法 PORA，通过比较同状态下的长短推理收益与预算压力，让 LLM 智能体自主决策何时调用更多推理。在 BFCL memory 测试中，该方法超出最强现有基准 17.4-32.9 个百分点；在代码和数学任务中，PORA 媲美或超越全长推理表现，同时分别减少 50.6% 的 actor tokens 与 31.2% 的模型请求。
本事件热度走势
当前热度 9·可比范围峰值 10（10月21日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。