AgentTime 论文:AI Agent 时间管理能力相差 2.4 倍,Astra 会用满预算
maksym_andr · x · 2026-10-12
arXiv 论文《AgentTime: Can Agents Estimate and Control Their Own Runtime?》(Michael Ofengenden、Maksym Andriushchenko)提出一个测试 Agent 能否按要求时长工作、预测运行时间并事后估计流逝时间的基准,包含来自 18 个来源的 222 个任务,覆盖编码、电脑操作、agentic 工作与自动化研究。
主要发现:
- 遵守指定时长的能力差异巨大:Claude Code 中的 Fable 5.1 偏离要求时长的典型倍数达 2.9×,而 Codex 中的 GPT-6 Astra 仅 1.2×。
- 「用满时间预算」行为:在 158 个可分类的 Astra 运行记录中,有 14 个在看似完成任务后明确进入休眠——作者认为这种用尽剩余时间做工具性获取的行为值得研究,对纯奖励最大化可能有用,也可能适得其反。
- 预测实验中,Agent 倾向于高估自然运行时间。
- 回溯实验中,移除时间信息使 Sol 和 Astra 的偏差增加一倍以上,Fable 接近翻倍,说明时间上下文对 Agent 自我控制至关重要。
核心结论:Agent 能完成任务并不保证它能恰当地控制自己的运行时间。
所属事件:AgentTime 基准发布：GPT-6 Astra 长任务准时率远超对手(3 条相关)→
「编程与Agent」频道最新
- 用 Claude 开发「天天带」固件:内置 27 款游戏 16 款工具 — ezshine · 2026-10-12
- 开发者推出 MCP 跨应用持久记忆工具，让 Claude/ChatGPT/Codex 共享完整上下文 — Jolly-Scientist-2484 · 2026-10-12
- HANDBOOK.md 基准：65 个任务测 agent 遵守长政策文档，最佳仅 36.2% — bibryam · 2026-10-12
- LangChain 创始人力挺「AI 信息流」押注:2027 年的主流 Agent 形态 — hwchase17 · 2026-10-12
- AWS 开源 2B 决策模型 Strands Decider,笔记本可跑不生成文本 — dl_weekly · 2026-10-12
- aiprox-mcp 上线:无需 API key 发现并按任务雇佣付费自主 AI Agent — modelcontextprotocol · 2026-10-12