Rohan Paul (@rohanpaul_ai)T2·78 分
谷歌研究:智能体框架模块化改写省 90% token
原标题:New Google paper finds that an unchecked full rewrite of an agent harness matched accuracy but cost ...
- 门控式单模块改写以 46.7k token/任务达到 40.0% 准确率,全量重写 42.5% 但耗 451.6k token
- 把约束写进提示词会使准确率跌至 2.5%,规则必须在代码层强制执行
- 为某一模型调优的框架迁移到另一模型时容易停滞或浪费 token