预测智能体何时应当推理？基于行为压力测试的可靠性路由研究
该研究探讨了预测智能体在结合大模型推理、信息检索、集成与校准时，各决策行为在何时具备可靠性。研究人员在ForecastBench风格的二元预测任务上，将智能体选择检索、推理、参考市场先验或采用历史类比等策略视为可观测行为并展开压力测试。核心结论显示，机制的最优选择高度依赖于数据生成源，结构化类比在特定数据流程中占据主导，而市场群体策略与保守基线在其他情境下表现更优。
推荐理由系统化探索了预测智能体在多策略切换下的行为可靠性，为智能体决策路由工程提供了实用参考。
原标题：When Should Forecasting Agents Reason? Behavioral Stress Tests for Reliability Routing
阅读 arXiv 人工智能 原文 ↗