强化学习提升小模型Agent时间预算遵循

发生了什么

据arXiv cs.AI报道，研究探讨小LLM智能体在显式时钟时间预算下的表现。通过注入计时信息和强化学习（GRPO），Qwen3.6-27B在Zork I基准上实现了近乎完美的预算遵循，但未提升MLE-Bench Lite上的任务性能。研究发现，虽然智能体能学会何时停止，但常填充额外时间为重复动作，且多预算训练易坍缩至最短预算策略，揭示了时间遵循与生产力分配间的差距。