研究者提出 ARC 智能体配置学习方法

研究者 Aditya Taparia、Som Sagar 和 Ransalu Senanayake 提出 ARC（Agentic Resource & Configuration learner），将智能体配置建模为半马尔可夫决策过程（SMDP），把每种配置视为一个时间延展选项，决定智能体系统如何处理查询。 ARC 是一个轻量级分层策略，根据查询难度动态选择工作流、工具、token 预算与提示词，即按需配置智能体，而非固定使用同一套流程或资源。 该研究目前为 arXiv cs.AI 分类下的论文，作者称采用强化学习实现上述动态选择。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。