热点事件持续更新
研究探索受限时间预算下AI智能体的准时与效率机制
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月9日，相关研究在arXiv上探讨了时间预算受限下AI智能体的准时与效率问题。研究人员在MLE-Bench Lite与Zork I基准上评估了Qwen3.6-27B和Qwen3-4B模型。实验表明，通过测试框架注入时间反馈能显著提高Qwen3.6-27B对时间预算的遵守度，而GRPO强化学习则在Zork I上实现了近乎完美的时限遵守。不过研究同时发现，智能体即便能够遵守时间预算，也常通过重复动作来消耗时间，未能有效将额外的可用时间转化为任务性能的提升。
AI 根据报道生成 · 3 小时前更新
最新进展10月9日 12:00
研究显示通过时间反馈和GRPO可提升智能体预算遵守度，但仍难将时间转化为性能。报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv 人工智能分秒必争：迈向准时且高效的时间预算 AI 智能体
针对 AI 智能体的时间预算控制问题，研究人员在 MLE-Bench Lite 与 Zork I 上评估了 Qwen3.6-27B 和 Qwen3-4B。通过测试框架注入时间反馈可显著提高 Qwen3.6-27B 的预算遵守度，GRPO 强化学习更在 Zork I 上实现了近乎完美的时限遵守。然而智能体即便遵守预算，仍常以重复动作消耗时间，未能将额外可用时间转化为任务性能提升。
本事件热度走势
当前热度 9·可比范围峰值 10（10月9日 12:00）·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。