论文
Agent-Omit：通过代理强化学习训练高效的 LLM 代理以实现自适应思维和观察遗漏
Agent-Omit: Training Efficient LLM Agents for Adaptive Thought and Observation Omission via Agentic Reinforcement Learning
摘要
在多轮智能体-环境交互中管理智能体上下文（如思考与观察）是提升智能体效率的新兴策略。然而，现有研究平等对待整条交互轨迹，忽视思考的必要性与观察的效用在各轮之间存在差异。为此，我们首先就思考与观察如何影响智能体的效果与效率开展定量研究。基于这些发现，我们提出Agent-Omit，一个使LLM智能体能够自适应省略冗余思考与观察的统一训练框架。具体而言，我们首先合成少量冷启动数据（涵盖单轮与多轮省略场景）来微调智能体的省略行为。此外，我们引入省略感知的智能体强化学习方法，纳入双采样机制与定制的省略奖励，以激励智能体的自适应省略能力。在理论上，我们证明省略策略的偏差以KL散度为上界。在五个智能体基准上的实验结果表明，我们构建的Agent-Omit-8B可获得与七个前沿LLM智能体相当的性能，并在七个高效LLM智能体方法中取得最佳的效果-效率权衡。我们的代码与数据见 https://github.com/usail-hkust/Agent-Omit。
