研究称 AI Agent 约 18% 输出 token 是浪费，剪掉几乎不损成功率
rohanpaul_ai · x · 2026-11-09
UCLA、UIUC、东北大学等机构的论文《How Do AI Agents Waste Your Money?》提出了一套系统测量 agent token 浪费的统一框架。
- 方法：通过代理记录完整 agent 轨迹，用 LLM-as-a-Judge 标记可删除的文本片段，再删掉这些片段并恢复执行，验证任务结果是否受影响。
- 核心发现：跨 6 个前沿模型、4 个 benchmark，约 18% 的输出 token 是无用功（重复策略、重复取文件、走死路等）；在线剪枝可移除 41-46% 的推理内容而任务表现基本不变。
- 典型案例：对 Kimi-K3 在 SWE-bench Verified 上的推理剪掉 41% 冗余后，成功率仅从 89.0% 变为 89.5%。
- 结构性结论：浪费更多来自任务与 harness 而非模型本身；不同 harness 在同一模型同一任务下会引入不同的低效来源。
作者的实操建议：想降 agent 成本，应先定位任务与 harness 造成的浪费，而不是简单给 token 设上限。
所属事件:研究称 AI Agent 约 18% 输出 token 属浪费(2 条相关)→
「编程与Agent」频道最新
- 开源 harness 评测：Hermes 跑 Opus 5.5 通过率 78.8% 居首 — NousResearch · 2026-11-09
- DeepSeek 开源 Super-Agent:监听飞书群聊自动提交 PR 编程智能体 — dl_weekly · 2026-11-09
- Context engineering 入门：上下文污染、干扰、混淆与冲突四种失效 — sharpeye_wnl · 2026-11-09
- 从 function call 到 swarm：一张时间线看 harness 演进到 2027 — blaizedsouza · 2026-11-09
- 开发者用 Claude Opus 通过 Python 控 Blender,两张照片生成 3D 场景 — felixrieseberg · 2026-11-09
- SnapWidget 推出 MCP 服务：让 Claude/ChatGPT 直接给网站加评论组件 — hermanschutte · 2026-11-09