OMCE：经验增强LLM智能体的测试时自适应框架
热点事件持续更新
OMCE：经验增强LLM智能体的测试时自适应框架
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
研究者 Zeyuan Zhao 等人提出 OMCE 框架，在测试时自适应阶段根据任务反馈更新经验记忆，并学习元控制策略：用一个轻量级上下文赌博机元控制器，在 DIRECT、EPISODE、GUIDE、DISTILL 四种认知动作之间选择调用。 在四个在线自适应基准和四个骨干模型上，OMCE 使首次尝试成功率最高提升 20.5 个百分点；与使用 GPT-5.2 的 ACE 相比，OMCE 的每任务 token 用量降低 5.7 至 62.5 倍。
AI 根据报道生成 · 2 小时前更新
最新进展11月3日 13:00
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报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv · cs.AIOMCE：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
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。
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。