https://inkeast.github.io/MessageDaily/tags/%E5%BC%83%E6%9D%83/Recent content in 弃权 on MessageDailyHugozh-cnWed, 01 Jul 2026 00:00:00 +0000https://inkeast.github.io/MessageDaily/posts/2026-07-01-agentic-abstention-paper-reading/Wed, 01 Jul 2026 00:00:00 +0000https://inkeast.github.io/MessageDaily/posts/2026-07-01-agentic-abstention-paper-reading/深度精读华盛顿大学论文——首次系统研究 LLM Agent 的’弃权’问题：当任务不可行时，智能体是否知道该停下而非继续行动？在 28,000+ 任务上评估 13 个 LLM-as-Agent 系统，发现核心挑战不是’能不能弃权’而是’何时弃权’。提出的 CONVOLVE 上下文工程方法仅用 20 条轨迹就将 Llama-3.3-70B 的及时弃权率从 26.7% 提升至 57.4%，且小模型蒸馏的规则可跨模型迁移。