AI 智能体什么时候该继续干，什么时候该交付？

作者 袁傲杰（Aojie Justin Yuan）· 2026 年 10 月 · 约 5 分钟

图：论文原图（Zenodo, doi:10.5281/zenodo.23484052）

让智能体“在我开会前一直改进它”，其实是把一连串决定交给了它：查什么、什么时候验证、什么时候交出一个能用的版本、再多干一会儿值不值得让用户等。时间预算更多，只是扩大了它可以尝试的范围，并没有告诉它哪些尝试值得做。这篇立场论文问的是：怎样判断一个智能体真的会用时间？

多出来的时间是一个决策问题

论文把这种能力叫作 agent chronoception（智能体时间感）：估计时长，并用时间证据决定下一步做什么。这是操作性定义，不是说模型内部有一个时钟；如果是模型外面的调度器在起作用，功劳归整个系统。它服务的目标是有用的坚持（useful persistence）：只有当继续工作仍然符合用户的约定时才继续，否则就交付或停下。

三个必须同时满足的要求

• 等价变化下保持稳定。把截止时间从秒换成毫秒，不应该改变该跑哪个测试。
• 关键变化下有选择地调整。完整测试突然变慢时，针对性检查可能更划算；服务恢复后，之前的保守方案应该重新考虑。
• 时间有效性要贯穿思考和交接。某一刻读到的剩余预算，在模型思考一段时间后已经不再是那么多；子智能体也不能悄悄把用户的截止时间重新计时。

为什么“准时”和“不受单位影响”还不够

论文构造了一个可以精确计算的例子。完整验证方案质量 0.90，针对性方案质量 0.80；效用 = 质量 − 0.02 × 用时，截止时间为 10。工具快时完整方案用 4 个单位、慢时用 9 个；针对性方案总是用 2 个。所有方案都能按时完成。

• 快的情况：完整 = 0.82，针对性 = 0.76，应选完整方案。
• 慢的情况：完整 = 0.72，针对性 = 0.76，应改选针对性方案。

一个永远跑完整验证的策略既准时、也不受单位换算影响，但只要工具变慢就会损失效用。不看当前状况、在两个方案之间随便选，平均遗憾至少是 0.02。所以按时完成和不受单位影响加在一起，也区分不了“对时间无感”和“真正会调整”。

准时、坚持、能流利地报告时长，单独看都只是不完整的证据。

模型在思考时，决定可能已经过期

一个方案要在真正派发的那一刻检查，而不只是在读时钟的那一刻：预计工作时间加上整合所需的预留时间，必须仍然早于最初的截止时间。在一个 128 轮的实验里，有 37 个“保留已交付版本”的回复是在截止时间之后才返回的。因此论文要求评测分别报告：成果是否可用、回复延迟、派发时是否可行。

小规模实验发现了什么

• 变慢与恢复实验：36 个控制器条件全部尝试，34 个得到有效计时结果，2 个条件规划没有通过格式校验。每个有效样本选的方案都和当时状况相符。模型控制器交付的质量与信息相同的调度器一样，但在全部 22 组配对比较里都更慢（重新规划平均多 2.68 秒，条件规划多 2.81 秒）。
• 同一时钟下的三个里程碑（32 条轨迹）：服务先变慢再恢复时，平均交付质量为：即时调度器 1.00，故意延迟的调度器 0.83，模型重新规划 0.75（4 个里程碑超时），条件控制 1.00。
• 972 个人工构造状态的精确网格：总是停下会错过 231 个值得继续的机会；忽略思考时间或在交接时重新计时，会分别放行 162 和 342 个超时的继续；派发时检查能消除超时，但仍会放行 183 个不值得的继续。

这篇论文没有声称什么

这是一篇只有正文的预印本，未经同行评审。实验任务是短小的人工构造流程，候选方案事先准备好，延迟也是人为控制的；代码和数据尚未完整发布。结果不能说明长程自主能力、学到的时长预测，或强化学习带来的收益。论文给出了可以推翻自身立场的验证性实验设计。

实际启示

先评估整个部署系统，再找出时间能力来自哪个组件。在把功劳归给模型之前，先和信息相同的简单调度器比一比。为每个决定保留时间记录：最初的约定、观察证据和派发行动的时刻、预测、未完成的依赖，以及实际交付的成果。评分看用户真正拿到的东西，而不是事后挑出来的最好版本。

常见问题

什么是 agent chronoception（智能体时间感）？

一个操作性定义：估计时长，并用时间证据来调节行动。它不涉及主观体验或内部时钟；如果这种能力来自外部调度器，功劳归于整个系统，而不是语言模型本身。

什么是“有用的坚持”（useful persistence）？

按照用户明确约定下可行工作的价值，决定继续、修改、等待还是交付。它包括按时交付和有理由的停止，所以提前停下或干得更久，本身都不算好坏。

大模型控制器在这件事上比简单调度器强吗？

论文的实验里没有。34 个有效计时样本中，模型控制器交付的质量和信息相同的调度器一样，但更慢：重新规划平均多用约 2.68 秒，条件规划多用约 2.81 秒，在全部 22 组配对比较里都更慢。作者强调这些只是小规模、人工构造任务上的描述性结果。

本文基于论文 Agent Chronoception: Temporal Validity and Useful Persistence（Zenodo 预印本，2026，doi:10.5281/zenodo.23484052），作者：Aojie Yuan（袁傲杰）、Zijian Su。袁傲杰为本文一作和通讯作者。作者主页：袁傲杰 · USC Fortis Lab。