Probe-and-Resume：Agent执行评估方法研究

2026年10月16日，arXiv Artificial Intelligence 刊出 Jiakai Xu 等研究者的论文，提出 Probe-and-Resume 方法，用于智能体执行评估中的 critic 调用策略。该研究针对终端计算机使用环境中 MCTS 配置未能显著提升任务成功率的问题，设计为：仅在智能体自认完成的节点调用 critic，并给予其对当前与初始状态 fork 的读、写、执行权限以探测隐藏状态；被拒后智能体从停止处继续。据该论文称，在 Terminal-Bench 2.1 上，该方法相较采用常规 critic 的 MCTS 将成功率提升 8.4 个百分点，并以不到一半的成本接近同一底层模型下 Codex CLI 智能体的成功率。上述提升幅度、成本对比与基准结果均为该来源在特定条件下的表述。

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。