TabAgent：将LLM智能体组件蒸馏为轻量分类器

论文用轻量分类器替代智能体中的LLM决策调用，报告延迟降约95%。

资讯摘要

论文提出TabAgent框架，用基于执行轨迹训练的紧凑文本-表格分类器替代智能体中的生成式决策组件，针对路由、候选筛选、门控与验证等闭集任务。方法包含从轨迹提取结构化特征（TabSchema）、用模式对齐的合成监督扩充覆盖（TabSynth）以及轻量分类器打分（TabHead）。作者报告在AppWorld长程基准上保持任务级成功率，同时消除筛选阶段的LLM调用，延迟降低约95%，推理成本降低85%–91%。

要点速读

1. TabAgent用文本-表格分类器替换闭集选择任务中的生成式决策组件，训练数据来自执行轨迹。
2. 方法由TabSchema特征提取、TabSynth合成监督和TabHead轻量打分三部分组成。
3. 作者报告在AppWorld上保持任务成功率，延迟降低约95%、推理成本降低85%–91%。

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 2026/10/23 08:00:11（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。