标签
该论文研究小型 LLM 代理在明确的墙钟时间预算下能否既遵守时限又有效利用时间，在 MLE-Bench Lite 和 Zork I 上评估 Qwen3.6-27B 与 Qwen3-4B，发现通过 harness 注入计时信息和基于 GRPO 的 RL 可显著提升预算遵守度，但代理仍难以将额外时间转化为任务性能提升。