LEASH 框架:按需从弱模型升级到强模型,降低 computer-use agent 成本
Qingni Wang · hf · 2026-10-17
Similar 与威斯康星大学麦迪逊分校的论文 LEASH，一个免训练框架，解决 computer-use agent 长程任务中「每步都跑前沿模型太贵、小模型又常失败」的矛盾。
核心思路是弱到强升级(weak-to-strong escalation)：默认由弱模型执行，仅在需要时把控制权交给强模型，并在交接后继续监督。难点在于判断何时升级，且强模型通常是黑盒 API、无从监控。LEASH 用三层设计解决：
- 任务级不确定性做初始路由；
- 步级不确定性做运行时升级；
- 「影子观察者」在交接后持续监督强模型。
三层都以潜在不确定性为信号：将弱模型隐状态与其过往成功/失败轨迹的隐状态比对，越接近失败轨迹越触发升级。框架在降低成本的同时保持高成功率。
所属事件:LEASH 免训练框架：弱模型打头阵按需升级，成本降近两成(2 条相关)→
「编程与Agent」频道最新
- 邀三大 AI 机器人上直播,只有 Grok 真的进了后台 — ciguleva · 2026-10-17
- 开发者吐槽：OpenAI 与 Claude 处理 WebMCP 时频繁幻觉 — HankYeomans · 2026-10-17
- 网友用 Claude Code「黑掉」自家电视：去广告去臃肿还加收款屏保 — doooyle · 2026-10-17
- SOL 6.1 连续跑任务超 1 天：74 个文件、+1.6k 行代码不停手 — Chemical-Agency-3997 · 2026-10-17
- 别在笔记本上跑 Agent 集群：16GB 内存跑多 Agent 分分钟死机 — ConceptNext5110 · 2026-10-17
- 全盲开发者用 Claude 打造 AccessSlice，让盲人独立完成 3D 打印 — Mrblindguardian · 2026-10-17