On the Clock: Агентам LLM можно обеспечить соблюдение временного бюджета, но они плохо используют дополнительное время
В препринте arXiv:2610.10833v1 («On the Clock») изучается, могут ли небольшие LLM‑агенты (Qwen3.6‑27B и Qwen3‑4B) соблюсти заданный по часам временной бюджет и использовать дополнительное время для улучшения результата. Авторы проверяют механизмы хранилища (harness) с информацией о времени и принудительными дедлайнами, а также бюджет‑чувствительный RL (GRPO) на задачах MLE‑Bench Lite и Zork I (Jericho): передача информации о времени через хранилище улучшает соблюдение бюджета, GRPO достигает почти идеального соблюдения и обобщается на невидимые бюджеты в Zork I, но агенты по‑прежнему не используют дополнительное время для улучшения производительности и нередко повторяют действия или сводят стратегию к краткосрочной.