PORA: Обучение определению момента, когда большее рассуждение окупается для LLM-агентов
arXiv:2610.27119v1 Тип объявления: новый Абстракт: LLM-агенты выполняют задачи за несколько шагов и пересматривают свои действия на основе обратной связи. Поскольку общий бюджет рассуждений часто ограничен и должен поддерживать будущие шаги, агент должен выбирать между краткими и длинными рассуждениями перед…