CASEL：工具调用智能体的后果感知执行层

Yanyan Zhang等作者提出CASEL（Consequence-Aware Selective Execution Layer），一种与模型无关的运行时分配策略：对每次工具调用，综合校准后的失败概率、状态相关后果、可逆性、歧义和证据新鲜度，在直接执行、验证、沙箱、澄清、审批和弃权六种模式间按各模式成本最小化做选择。 作者称，评估结果只是在该模拟器假设下对分配规则进行排序；干预效果是假设而非实测，研究未证明实际部署中的有效性。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。