مقاله‌ی arXiv:2610.13092 · نگه‌داشته برای بعد
When Faster Decisions Do Not Make Better Agents: An Empirical Study of Jev in Agent Workflows
تصمیم سریع‌تر ایجنت بهتر نمی‌سازد: بررسی تجربی مدل تصمیم سریع Jev در گردش‌کارهای ایجنتی
- تاریخ
- (۱۷ مهر ۱۴۰۵) 2026-10-09 تأییدشده از روی تاریخ ارسال نسخه‌ی اول در آرکایو
- نویسنده‌ها
- Yuchen Ling, Shengcheng Yu, Zhenyu Chen, Chunrong Fang
- نهاد نویسنده‌ها
- Nanjing University; Technical University of Munich
خلاصه‌ی فارسی
مسئله
ایجنت‌ها برای انجام کار به تصمیم‌های تکراری وابسته‌اند و مدل زبانی معمولاً تصمیم‌گیر اصلی است. مدل Jev فرصتی برای سریع‌تر و ارزان‌تر کردن این تصمیم‌ها می‌دهد، اما معلوم نیست این صرفه‌جویی محلی به انجام کارآمد و قابل اعتماد تسک تبدیل می‌شود یا نه.
روش
نویسنده‌ها این انتقال کارایی را در پنج ایجنت و دو محیط بررسی کردند: تسک‌های بدن‌مند در ALFWorld و استفاده از اپ موبایل در AndroidWorld. در ۴۵۰۰ اجرای تسک، اثربخشی تسک، مصرف منابع در سطح تصمیم و تسک، و رفتار اجرا را با هم سنجیدند.
یافته‌ها
- یکپارچه کردن Jev هزینه و تأخیر تصمیم را در هر پنج ایجنت به‌طور چشمگیری کم کرد، ولی سود در سطح تسک به گردش کار بستگی داشت.
- موفقیت تسک در ALFWorld نزدیک پایه ماند و در دو ایجنت موبایل افت بیشتری داشت؛ استدلال کمکی و تعامل اضافه صرفه‌جویی را خوردند و بازیابی ناموفق و پایان زودهنگام تحویل موفق را محدود کردند.
- در یک ایجنت، میانگین هزینه برای هر نتیجه‌ی موفق بالا رفت، در حالی که هزینه‌ی هر تلاش پایین آمد.
محدودیت‌ها
نویسنده‌ها می‌گویند بررسی فقط خانواده‌های منتخب ایجنت در اپ موبایل و کارهای خانگی را با مشاهده‌ی زبانی و رابط اقدام محدود پوشش می‌دهد؛ انتقال به ایجنت‌های بصری، ساخت ابزار باز و گردش‌کارهای طولانی‌تر ارزیابی بیشتری لازم دارد.
چرا مهم است
ارزان کردن هر تصمیم ایجنت وسوسه‌انگیز است، اما معیار واقعی هزینه‌ی هر کار موفق است. این کار نشان می‌دهد صرفه‌جویی محلی می‌تواند با اجرای طولانی‌تر و خطاهای بیشتر خنثی شود.