TRIAGE：评估LLM在资源约束下的前瞻性元认知控制

将语言模型部署为自主智能体，所需的远不止单任务准确率：当智能体在有限token预算下面临一队问题时，必须在获得任何执行反馈之前，决定尝试哪些问题、以何种顺序尝试，以及为每个问题投入多少计算。这正是人类认知领域研究了数十年的前瞻性元认知控制，而语言模型是否具备这种能力仍未经检验。我们提出TRIAGE，一个评测框架：模型接收一个任务池和按其自身基线成本校准的token预算，并提交一份单一的有序计划，同时编码任务选择、排序和逐题资源分配。计划的评分参照一个完全掌握模型在各问题上可解性与成本的oracle进行，从而在统一尺度上得出分诊效率比。我们评测了开启与未开启推理的前沿及开源模型，覆盖竞赛数学、研究生水平科学、代码生成和专家级多学科知识，发现当前语言模型在前瞻性元认知控制上存在显著差距，揭示了一个此前未被测量的能力维度，对资源高效的智能体部署具有直接意义。