论时间管理：迈向守时且高效的时间预算型 AI 智能体

arXiv:2610.10833v1 发布类型：cross 摘要：我们研究小型 LLM 智能体能否在明确的实际时间预算下有效运行，即既遵守分配的运行时长，又高效利用可用时间。我们在 MLE-Bench Lite 的五项竞赛中评估 Qwen3.6-27B，并在 Zork I（Jericho）上评估 Qwen3-4B。这两个智能体基准测试中，额外的计算时间都能切实提升性能。在最简单的设置中，预算仅在提示词中说明，智能体无法将所述预算转化为对时间的受控使用。这些失败源于时间感知方面的不足：一方面，测试框架不提供计时反馈；另一方面，智能体无法可靠地预估行动所需的时长，也没有学会将可用时间映射到合适策略。我们研究了两类互补的干预措施：通过测试框架公开计时信息并强制执行截止时间的机制，以及采用预算感知奖励的强化学习。通过测试框架注入计时信息后，Qwen3.6-27B 对预算的遵守程度显著提升，且性能没有可测量的损失；加入强制执行机制后，预算遵守程度进一步提高。在 Zork I 上，使用 GRPO 的强化学习实现了近乎完美的预算遵守，并且能够泛化到训练期间未见过的保留预算；但在 MLE-Bench 上，与未经训练的测试框架相比，它并未提升任务性能。当智能体能够遵守预算后，它们仍然无法利用额外时间提升任务性能。经过强化学习训练的策略学会了何时停止，但往往会通过重复行动来填满额外时间；而在多个预算上进行 GRPO 训练，往往会使策略趋向于为最短预算学到的策略。我们的结果揭示了时间遵守与高效时间分配之间的差距，而这仍然是预算条件型智能体面临的核心挑战。