东北大学

UCLA 与东北大学联合论文提出一种代理式审计方法：让 LLM 裁判标记智能体输出中可安全删除的片段，再重跑任务验证。在 6 个前沿模型与 4 个基准上，约 18% 的输出 token 属冗余；对 Kimi-K3 在 SWE-bench Verified 上剪除重复与填充内容后，token 减少 41%，成功率仍保持 89.5%（原为 89.0%）。结论是降本应定位任务与执行框架中的浪费来源，而非简单限制 token 上限。