跳转至

Read this paper write-up in English

JevSpawn: Adaptive Agentic Inference through Compositional Action Spaces

复现级别：L1 核心机制诊断。 执行有限动作 posterior 和 top-branch retention；不调用 Jev checkpoint。

论文信息

字段 内容
论文链接 arXiv v1
公司/机构 原文首页未列第一作者机构（按第一作者署名单位）
首次公开日期 2026-09-30（arXiv v1）
原文开源代码 否：截至 2026-10-03 未找到原作者公开实现
Adapter jev-spawn
本地复现代码 src/auto_research/agent_research/latest_20261003.py

原始论文总结

背景与主要改动

先从自然语言任务构造有限 compositional action space，以 Jev 分布并行保留多个分支；反馈更新后验并保留备选以支持恢复。

flowchart LR
  I[输入与当前状态] --> M[jev-spawn 核心机制]
  M --> A[可审计中间量]
  A --> O[输出或状态更新]

原论文关键图

JevSpawn: Adaptive Agentic Inference through Compositional Action Spaces 原论文 Figure 2

原论文 Figure 2（关键图）：展示原论文提出的核心架构、主要模块及其连接关系。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

\(p'(a)\propto p(a)e^{feedback(a)}\)。

论文离线与线上效果

八个任务、七个 Agent baseline 上评估速度、成本与成功率。

本地复现

本地对照口径：基线为机制关闭或默认状态，实验组执行定义性算子；L1 不报告正式相对提升，百分比不适用。

复现边界

执行有限动作 posterior 和 top-branch retention；不调用 Jev checkpoint。