TurnCost：编码智能体轨迹成本分析
热点事件持续更新
TurnCost：编码智能体轨迹成本分析
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
2026年10月15日，arXiv Artificial Intelligence 发布一项研究，分析 600 条公开编码智能体轨迹，覆盖两种智能体框架和两种语言模型。研究发现，轮次数量解释了日志轨迹成本方差的 84%，而平均观测大小仅解释 4%；最昂贵的轨迹轮次最多但观测最小。研究还发现，98.6% 的输入 token 由前缀缓存提供，在近理想缓存下，扁平输入定价将循环成本平均高估约 7 倍。团队同时发布 TurnCost 工具，可在不同缓存、定价、压缩和路由策略下重新评分轨迹语料。该研究由 Pramod Kumar 与 Raj Kumar Pandey 完成。
AI 根据报道生成 · 55 分钟前更新
最新进展10月15日 12:00
TurnCost：编码智能体的成本由轮次而非观测决定报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv Artificial IntelligenceTurnCost：编码智能体的成本由轮次而非观测决定
研究分析 600 条公开编码智能体轨迹（覆盖两种智能体框架和两种语言模型）后发现，轮次数量解释了日志轨迹成本方差的 84%，而平均观测大小仅解释 4%，最昂贵的轨迹轮次最多但观测最小。98.6% 的输入 token 由前缀缓存提供，扁平输入定价在近理想缓存下将循环成本平均高估约 7 倍。团队发布 TurnCost 工具，可在不同缓存、定价、压缩和路由策略下重新评分轨迹语料。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。