AI agent 長任務一直原地打轉？PoS 研究放了監工 (長對話本身不是進度)

AI agent 長任務原地打轉時，PoS 研究放了監工，把待辦拆成還要搞清楚與還要動手做到兩種缺口。12 種測驗與模型組合整體指標都是受測方法最高，總 token 是 5.06 倍。 ⭐ 文章深度讀：AI agent 長任務一直原地打轉？PoS 研究在旁邊放了監工 → https://heymaibao.com/pos-ai-agent-stuck-supervisor-406dd3/ ⚡ 章節重點 越拉越長的對話與監工 00:00 熱杯子的兩次執行 01:25 流水帳和現況表 02:00 空轉的三種樣子與脫困 03:04 PoS 治不了的事 04:10 自己當監工的兩個問題 04:41 帳單、缺口與下一步 05:10 📝 懶人包 ∙ PoS 在 12 種測驗與模型組合裡，整體指標都是受測方法最高。 ∙ 代價：在 GitHub 頁那組比較裡，總 token 是直接用完整紀錄的 5.06 倍。 ∙ PoS 把待辦拆成兩種缺口：還要搞清楚的事和還要動手做到的事。 ∙ 我的觀點：長對話本身不是進度，我們可以自己每隔一段請 AI 寫現況。 📚 參考資料 Beyond Memory: Harnessing Long-Horizon Agents with Explicit Belief States → https://arxiv.org/html/2610.01415v1 Progression of States | Beyond Memory → https://luoyu100.github.io/projects/progression-of-states/project/ GitHub - luoyu100/PoS: An inference-time framework for long-horizon LLM agents with explicit belief states, consistency validation, and trapping-aware recovery. → https://github.com/luoyu100/PoS 非線智能 NoneLinear - ReLE 評測：中文 AI 大模型能力 → https://github.com/jeinlee1991/chinese-llm-benchmark feat(dashscope): add qwen3.7-plus and qwen3.7-max to the model cost map → https://github.com/BerriAI/litellm/pull/35123 阿里雲百鍊模型價格 → https://www.alibabacloud.com/help/tc/model-studio/model-pricing