arXiv · cs.AI · Zeyuan Zhao, Yuanyuan Shi, Peng Yu, Lingyue Fu, Shao Zhang, Ying Wen · 7 小时前模型评分41
OMCE：面向经验增强 大语言模型（LLM，Large Language Model） 智能体的测试时自适应元控制框架
Evolving Memory, Learning to Meta-Control: Test-Time Adaptation for Experience-augmented LLM Agents
导读
研究者提出 OMCE 框架，在测试时自适应阶段从任务反馈中更新经验记忆并学习元控制策略，用轻量级上下文赌博机元控制器在 DIRECT、EPISODE、GUIDE、DISTILL 四种认知动作间路由。在四个在线自适应基准和四个骨干模型上，OMCE 将首次尝试成功率最高提升 20.5 个百分点，相比使用 GPT-5.2 的 ACE 每任务 token 用量降低 5.7 至 62.5 倍。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We introduce Online Meta-Control of Experience (OMCE), a framework that updates experience memory and learns a meta-control policy from task feedback during test-time adaptation.”
来源：arXiv · cs.AI · arxiv.org