EVENT DOSSIER
针对 LLM 代理在软件工程中因盲目行动导致的高失败成本问题，研究人员提出 Speculative Uncertainty（SU）方法。该方法利用仅输出 token 的轻量级开源草稿模型，对智能体已生成的轨迹进行单次前向评分，无需访问 logits、权重或重复采样。通过分离推理与动作阶段特征并校准为可验证目标，SU 生成失败概率分数供下游策略直接消费。在 Qwen3-Coder-480B 和 Claude 3.5 Sonnet 上的预执行否决门实验显示，该方法将部署时的执行错误率降低 6-8 个百分点，Token 成本减少 14-19%。此外，SU 无需重新训练即可迁移至分布外基准并实现跨模型泛化。
LLM 代理在软件工程部署中因盲目行动导致高昂失败成本，研究人员提出 Speculative Uncertainty（SU）方法。该方法利用仅输出 token 的轻量级开源草稿模型，通过单次前向传播对代理已生成轨迹进行评分，无需访问 lo…
研究人员提出 Speculative Uncertainty (SU) 方法，旨在从黑盒智能体输出中恢复预测失败信号。该方法利用小型开源草稿模型对已生成轨迹进行单次前向评分，通过分离推理与行动跨度提取特征并校准为可验证目标，从而生成下游策…
LLM 代理在软件工程部署中因盲目行动导致高昂失败成本，研究人员提出 Speculative Uncertainty（SU）方法。该方法利用仅输出 token 的轻量级开源草稿模型，通过单次前向传播对代理已生成轨迹进行评分，无需访问 logits、权重或重复采样。基于推理与动作阶段的特征分离及可验证目标校准，SU 生成失败概率分数供路由、人工干预等下游策略直接消费。在 Qwen3-Coder-480B 和 Claude 3.5 Sonnet 上的预执行否决门实验显示，该方法将部署时的执行错误率降低 6-8 个百分点，token 成本减少 14-19%，且无需重新训练即可泛化至分布外基准及多种代理模型。
研究人员提出 Speculative Uncertainty (SU) 方法，旨在从黑盒智能体输出中恢复预测失败信号。该方法利用小型开源草稿模型对已生成轨迹进行单次前向评分，通过分离推理与行动跨度提取特征并校准为可验证目标，从而生成下游策略可直接使用的失败概率分数。在软件工程中部署该方法的预执行否决门策略后，Qwen3-Coder-480B 和 Claude 3.5 Sonnet 等智能体的执行错误率降低了 6-8 个百分点，Token 成本减少了 14-19%，且该方法无需重新训练即可迁移至分布外基准并跨模型泛化。