世界不会等待：在实时时钟下评估与训练智能体
事件
大语言模型智能体虽能完成复杂交互任务，但推理与工具调用耗时。在持续变化的环境中，原本正确的动作可能因迟到而失效。为此，研究者构建了 RealtimeBench 基准，包含六类游戏共 180 个任务，在智能体推理期间游戏仍持续运行，以评估其真实实时表现。配对实验显示，GPT-6.1-sol 在游戏暂停时优于速度更快的 Jev，但游戏持续运行时反而落后。
研究团队提出双时间尺度离线递归自我改进方法 TORSI：慢速教师在各次尝试之间研究失败案例，并在暂停的游戏中测试修正方案，随后为快速学生编写可复用指令；学生在实际对局中行动时不再调用教师，验证分数决定哪些更新被采纳。两轮迭代后，Jev 在 0 至 100 的进度量表上平均测试分从 13.51 提升至 24.19，六类游戏全部改善。这些指令还能在不重新调参的情况下提升另外三个模型的平均分。
该工作指向“实时智能”：通过跨时间尺度组织思考、学习与行动，让强大的 LLM 智能体在持续变化的世界中保持有效。对需要低延迟决策的游戏、机器人与交互式应用而言，这一思路提供了可复用的训练范式。
来源
本条目由采集管线自动抓取并发布，完整内容见下方来源链接。
*采集源：arXiv cs.AI*