CLEO：为自托管LLM定制最小化智能体框架

论文提出为自托管LLM定制最小智能体框架CLEO，通过率接近Claude Code SDK基线。

资讯摘要

论文提出 CLEO（Constrained Loop for Environment Optimization），用于把最小化的智能体框架适配到固定的、可自托管的 LLM 上，面向政府情报团队分析大规模杂乱证据的场景。该方法在专家验证的数据集上，只保留能提升准确率且保持通用、可审计的工具、护栏、记忆策略与循环组件。作者报告，在留出数据集上 CLEO 框架通过率为 83.8%，与最强的开箱即用 Claude Code SDK 基线相差 1.2 个百分点，但规模小两个数量级。

要点速读

1. CLEO 只接纳能提升准确率且保持通用、可审计的工具、护栏、记忆策略和循环组件。
2. 在留出数据集上，CLEO 框架通过率为 83.8%，与最强 Claude Code SDK 基线相差 1.2 个百分点。
3. 作者称该框架规模比基线小两个数量级。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。