LEASH:弱代理带不确定性信号,成本降 19% 追平 Claude Opus 5
SharonYixuanLi · x · 2026-10-24
Simular 与威斯康星大学提出 LEASH，一个免训练的弱到强升级框架，用于计算机操作类长程 agent 任务：默认由轻量模型执行，仅当其隐层不确定性信号显示必要时才升级到前沿模型，并在交接后继续监督黑盒强模型。
核心设计（三层，均以隐层不确定性为燃料）：
- 初始任务不确定性做粗路由；
- 步级不确定性决定何时升级，信号复用弱模型已有的激活，无需额外前向传播或监测训练；
- shadow observer 对黑盒强代理持续监督，不依赖其内部状态。
实验结果（OSWorld）：LEASH 在相同升级率下比随机升级高 6.55–11.94 分；用 Qwen3.5-35B-A3B 做弱代理时任务成功率 73.66%、每任务成本 $0.4117，追平全程 Claude Opus 5（72.90%、$0.51），推理成本降低 19.2%；等成本下比随机路由高 9.1 个百分点。
「编程与Agent」频道最新
- TURTLE 论文:用进化搜索自动生成高难度工具使用基准,AppWorld 难题占比提升 165% — MichaelD1729 · 2026-10-24
- Google 发布 PLE 基准:最强 agent 做工程交付仅得 50.6 分 — dair_ai · 2026-10-24
- LangChain 用 skills 和设计 wiki 给 design agent 注入「品味」 — LangChain · 2026-10-24
- Chronos:给 agent 用的 Postgres 兼容数据库,违规写入自动拦截 — Antique-Willow-5841 · 2026-10-24
- Agent 沙箱 boat.dev 订阅破千：$20/月按秒计费的 Agent 专用 VM — ycombinator · 2026-10-24
- 把整个产品团队装进一个共享 repo:Claude Code Team OS 实操 — aakashgupta · 2026-10-24