LLM智能体推理努力水平的经济学研究

该研究测量了不同努力水平对专有和开源模型在四个基准测试上的反事实影响，发现高努力水平虽然能提高整体准确性，但经常在低努力能解决的任务上失败，且成本最高可达最低水平的42倍。研究提出一种从最低努力开始并在验证失败后升级的替代方案，在大多数专有模型上以更低成本匹配或优于固定最高努力水平。