arXiv · AI· Bo Yan, Qi Zhang, Zhen Tan, Tianlong Chen, Song Wang·· 4 小时前AI 评分34
PORA: 为LLM Agent学习何时增加推理价值
PORA: Learning When More Reasoning Pays Off for LLM Agents
AI 导读
提出Paired Outcome-guided Reasoning Allocation (PORA)方法，通过对比同一交互状态下短推理与长推理的最终质量，学习何时采用更长推理。在BFCL memory任务上，PORA比现有最强方法高出17.4-32.9个百分点。在代码与数学任务中，PORA性能持平或优于始终长推理策略，同时减少50.6%的actor tokens和31.2%的模型请求。
来源：arXiv · AI · arxiv.org