摘要
针对现有 LLM 智能体框架假设工具执行必然成功且缺乏性能边界感知的问题，本文提出 PerfGuard。该框架通过三维机制系统建模工具性能并融入规划：性能感知选择建模（PASM）利用细粒度评估替代通用描述；自适应偏好更新（APU）动态优化工具选择；能力对齐规划优化（CAPO）指导生成符合性能策略的子任务。实验表明，该方法在工具选择准确性、执行可靠性及用户意图对齐方面显著优于现有技术，提升了复杂 AIGC 任务的鲁棒性。
AI 推荐理由
论文核心在于将工具性能边界建模并集成到任务规划与调度中，直接优化规划器生成子任务的能力。
研究机构
北京邮电大学人工智能学院，中国
北京邮电大学网络与通信研究院，中国
英国萨里大学计算机科学与工程学院，英国
清华大学（北京）科技有限公司，中国
论文信息