TACIT-Switch：一种基于成本意识的LLM智能体扩展模型，用于处理受审查的监督数据

研究人员提出 TACIT-Switch 方法，利用标注表示为累积风险尺度区间截断观测的 Teacher-Annotated Censored Intervention Times（TACIT）数据。该方法通过混合 - 治愈阈值模型学习永久交接策略，在无需教师参与部署的情况下实现语言模型代理的成本感知升级。实验表明，该方法将标注视为累积风险尺度上的区间截断观测，并估计强滚动成功的概率及条件交接阈值。在机制式多步模拟中，相比任务级、步骤级及固定前缀路由基线，TACIT-Switch 的成功率高出 7.4-11.1 个百分点且成本相当。消融实验显示任务特征与累积轨迹风险提供互补信息。基于开发数据选择工作点后，该方法在 ALFWorld（4B Cheap 模型达 48.5%，9B Cheap 模型达 45.5%）和 …