共 2 篇文章
NVIDIA、HKUST与UIUC研究长程Agent任务中从贵模型到便宜模型的一次性交接。AgentBaton检测器根据任务进度模式学习何时切换，在11对模型组合上平均省65.9%的API成本，同时保持准确率，最高比全程用贵模型还高8.8分。反向交接（便宜切贵）几乎不省钱。本文分析它对银行长程Agent任务的成本优化。
清华与微软亚研提出HarnessMM：用可执行决策图存储Agent已解决的决策，工具反馈满足守卫条件时直接复用，不再回调模型。DeepSeek Harness在HumanEval上成功率从71.43%升到85.71%，每任务token从9.6万降到1.16万，省87.93%。本文分析它对银行Agent harness的成本与效率意义。