arXiv · AI· Xingzhi Qian, Sungho Park, Rongyuan Tan, Jianbo Yu, Jue Zhang, Lorenzo Cavallaro, Menglin Xia, Yanzhi Chen, Xinnuo Xu, Yu Kang, Xinran Zheng, Gagan Somashekar, Xuchao Zhang, Chetan Bansal, Qingwei Lin, Victor R\"uhle·· 7 小时前AI 评分36
ParetoSaddler：基于帕累托引导的 LLM Agent 质量与成本联合优化框架
ParetoSaddler: Pareto-Guided Optimization of Agent Harnesses for Quality and Cost
AI 导读
ParetoSaddler 提出解耦中间候选晋升与最终部署选择的优化方法，同步提升 LLM Agent 的质量并降低成本。 在 ClawMark 基准中，该方法将质量从 70.86% 提升至 81.35%，单任务成本从 $1.17 降至 $1.01；GAIA2 基准中质量提升至 62.89%，成本降至 $0.45。
来源：arXiv · AI · arxiv.org