**JevAgentHarness：通过决策模型与 LLM 共享控制权，大幅提升智能体效率**

_JevAgentHarness: Benchmarking, Deploying and Training Decision Models That Share Control with LLMs_

> 针对 LLM 智能体因频繁调用大模型而导致的高延迟与高成本问题，研究提出了 JevAgentHarness 框架。该框架利用轻量级决策模型处理工具选择等决策任务，并通过 AgentDecisionBench 基准测试发现，直接委托决策会显著降低成功率。为此，团队训练了 AgentDecision-4B 模型，使其能根据智能体自身轨迹动态调整置信度阈值，仅在模型不确定时才调用 LLM。实验表明，该方法在保持任务成功率的同时，能将成本降低 81.1%-89.0%，并将速度提升最高 2.5 倍。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-products
- **发布时间**：2026-10-16 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.21412)