热点事件持续更新
MetaGPT团队提出LAR方法优化Agent推理效率
1 篇报道1 个报道来源17 小时前更新
先了解这件事
AI 综述
2026年10月27日，量子位报道MetaGPT团队提出Latent Action Reparameterization（LAR）方法，用于优化Agent推理效率。该方法将Agent轨迹中高频、低熵的多步文本动作重参数化为可学习的潜在动作，从而压缩多步动作。报道称，在Qwen和Llama系列模型上，LAR使动作token降幅达20%～27%，任务表现保持甚至提升。目前该工作处于方法提出与实验验证阶段，尚无后续进展报道。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 14:13
MetaGPT团队提出LAR方法，将多步文本动作压缩为潜在动作，动作token直省27%。报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- 量子位 · 微信公众号MetaGPT 团队提出 LAR：把 Agent 多步动作压缩为潜在动作，动作 token 直省 27%
MetaGPT 团队提出 Latent Action Reparameterization（LAR），将 Agent 轨迹中高频、低熵的多步文本动作重参数化为可学习的潜在动作，在 Qwen 和 Llama 系列模型上动作 token 降幅达 20%～27%，任务表现保持甚至提升。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。