关于优化智能体框架的一个非常有趣的发现：同时优化质量与成本时，只在搜索最后才施加成本偏好……

微软的 ParetoSaddler 同时优化智能体框架的质量与成本，但只在搜索最后才施加成本偏好，因为每步都施加会丢弃那些可能导向更优框架的候选。基于重复运行的贝叶斯自助法判断候选是否在质量或成本上有可信改进。在 GAIA2 上质量从 56.22% 升至 62.89%，单任务成本从 0.78 美元降至 0.45 美元；在 ClawMark 上质量从 70.86% 升至 81.35%，成本从 1.17 美元降至 1.01 美元——帕累托筛选的框架在两个维度上都胜过只优化质量的做法。

• Elvis Saravia2026-11-03 21:58