AI 搜索

带引用 · 可溯源

先用站内已采集内容作答；站内不足时联网检索，每条结论都给出来源链接

AI 答案

资料有限基于 1 条来源 · 引用可点击溯源

现有资料不足以回答该问题。资料中仅有一篇系统类论文，未提供任何公开基准名称，也未给出固定工作流 Agent 与自主规划 Agent 之间 token 消耗差异的实测数据或对比结论。资料中能确认的相关部分仅有：

AlphaDiana 是一个面向可验证推理任务的智能体评测系统，提供数据集、智能体、环境与评分器的模块化接口，并可在保持原生控制循环的同时分别控制文件复用与记忆保留1。
该系统的研究结论指出，工具框架并不总能提升推理准确率，技能引导与历史记忆也未必可靠，因此需要结合正确性评估行为与 token 消耗1。

也就是说，资料只表明「token 消耗应作为与正确性并列的评估维度」这一方法论取向1，但并未涉及固定工作流与自主规划两类 Agent 的 token 消耗对比，也没有列出任何公开基准或论文实测结果。

继续追问

1 条

AI 答案正在检索与综合…

1 条 · 点击可看原文全文与中文译文

AlphaDiana 是一个面向可验证推理任务的智能体评测系统，提供数据集、智能体、环境与评分器的模块化接口，可在保持原生控制循环的同时分别控制文件复用与记忆保留。研究发现，工具框架并不总能提升推理准确率，技能引导与历史记忆也未必可靠，需结合正确性评估行为与 token 消耗。

Agent·arXiv cs.AI·5 天前