Zijian Jiang, Xilu Wang · 2026 · arXiv
DOI: 10.48550/arXiv.2610.30041 · open-access PDF
텍스트 기술은 도구를 사용하는 에이전트의 능력을 확장시킬 수 있지만 긴 기술 설명은 계산 비용을 증가시킵니다. 소프트 프롬프트는 컴팩트한 대안을 제공하지만 전체 성공적인 경로에서 배우는 것은 또한 불필요한 행동 변화를 도입할 수 있습니다. 우리는 텍스트 기술의 유용한 효과가 경로 위치의 작은 하위 집합에 매우 집중되어 있음을 발견합니다.이 관찰을 바탕으로, 우리는 텍스트 기술과 냉동 된 에이전트를 비교하여 기술이 성공적인 토큰과 미아의 가능성을 증가시키는 위치를 식별하기 위해 Behavioral Localization을 제안합니다.
Machine translation (Meta M2M100); the English original follows.
Text skills can extend the capabilities of tool-using agents, but long skill descriptions increase computational costs. Soft prompts provide a compact alternative, yet learning from entire successful trajectories may also introduce unnecessary behavioral changes. We find that the useful effect of a text skill is highly concentrated in a small subset of trajectory positions. Based on this observation, we propose Behavioral Localization, which compares the frozen agent with and without the text skill to identify positions where the skill both increases the likelihood of successful tokens and mea
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.30041, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange