论文页面 - 无状态语言智能体：扩展长时程自动化研究

来源：https://huggingface.co/papers/2610.07625 作者：

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

摘要

自动化研究系统越来越多地让大语言模型智能体长时间运行，但更多推理本身并不会带来更多进展：智能体反复处理不断增长的历史记录、重复彼此的工作，或在词元消耗持续增加时停止实验.然而，大多数评估使用较短的预算，或采用很快达到饱和的基准，使这些失效模式未得到检验.我们将这些失效归因于两个选择：研究状态存储在哪里，以及由谁决定下一步尝试什么.我们提出无状态语言智能体(SLA)，其建立在“有状态搜索、无状态智能体”的原则之上：没有任何智能体会在多次调用之间保留对话；相反，运行框架负责管理研究状态(候选解决方案和测量结果)，并为每次调用重新构建全新的、针对特定角色的上下文.每个智能体看到什么，成为一项明确的设计选择，而不再是随运行不断增长的历史记录.我们在 SLA 框架中实现了这一原则，其中无状态的顾问智能体读取运行框架汇总的各个搜索方向的证据，并向并行工作的执行智能体分配具体实验.我们在软件工程、内核优化和算法设计任务上，将 SLA 与三个近期框架进行了比较，预算最高达十亿词元.SLA 在每项任务上都取得了最佳最终结果，并以减少超过 84% 的词元消耗，达到了最强内核优化基线的最终性能.从共享检查点出发的消融实验表明，聚焦的上下文和明确的任务分配分别促进了 SLA 的进展，其效果可在完整运行过程中叠加，而顾问智能体消耗的词元不到 0.6%.这些结果支持采用 SLA，将持久的研究状态保存在智能体对话之外，并表明较短的评估时程可能导致对研究系统及其组件的误判.

查看 arXiv 页面 (https://arxiv.org/abs/2610.07625)查看 PDF (https://arxiv.org/pdf/2610.07625)GitHub1 (https://github.com/Alex-q-z/stateless-language-agents)添加到合集 (https://huggingface.co/login?next=%2Fpapers%2F2610.07625)

在你的智能体中获取这篇论文：

hf papers read 2610\.07625

还没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用这篇论文的模型0

没有模型链接到这篇论文

在模型的 README.md 中引用 arxiv.org/abs/2610.07625，即可从此页面链接到该模型.

引用这篇论文的数据集0

没有数据集链接到这篇论文

在数据集的 README.md 中引用 arxiv.org/abs/2610.07625，即可从此页面链接到该数据集.

引用这篇论文的 Spaces0

没有 Space 链接到这篇论文

在 Space 的 README.md 中引用 arxiv.org/abs/2610.07625，即可从此页面链接到该 Space.

包含这篇论文的合集0

没有合集包含这篇论文

将这篇论文添加到一个合集 (https://huggingface.co/new-collection)，即可从此页面链接到该合集.