Signals and Queries: Token-Efficient Agentic Context Discovery

针对用户端 LLM agents 评估行为策略成本高昂的问题，Parlant 4.0 推出轻量级过滤器 Signals and Queries。 该方法利用独立逻辑回归分类器在下游评估前移除至少 30% 的候选策略，避免了每轮次的 LLM 调用。在涵盖 254 个 τ^2-bench 对话前缀和 36 条航空政策的测试中，该方法在保持高召回率的同时，精确度优于 top-K 和余弦阈值检索。