Do AI Agents Know When a Task Is Simple? Toward Complexity-Aware Reasoning and Execution

📄 arXiv: 2607.13034v1 📥 PDF

作者: Junjie Yin, Xinyu Feng

分类: cs.AI, cs.CL, cs.SE, eess.SY

发布日期: 2026-07-14

备注: 27 pages, 8 figures, 8 tables. Code and benchmark: https://github.com/eejyin/Do-AI-Agents-Know-When-a-Task-Is-Simple-Toward-Complexity-Aware-Reasoning-and-Execution

💡 一句话要点

提出E3框架以解决任务复杂性评估问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 任务复杂性评估 执行范围估计 大型语言模型 工程基础AI 自动化工作流

📋 核心要点

  1. 现有的LLM代理在执行任务时缺乏对任务复杂性的评估，导致不必要的资源浪费。
  2. 论文提出E3框架，通过初步估计、执行最小路径和在失败时扩展范围来优化任务执行。
  3. 在MSE-Bench基准测试中，E3实现了100%的成功率，同时显著降低了成本和资源消耗。

📝 摘要（中文）

大型语言模型（LLM）代理在自动化多步骤工程和信息工作流中越来越普遍，但它们很少考虑任务的实际难度。现有方法往往采用最大上下文优先策略，导致简单任务变得复杂。本文提出了一种任务感知的执行范围估计方法，定义了最小充分执行和代理认知冗余比（ACRR），并提出E3框架：代理首先估计初始操作点，执行最小可行路径，只有在验证失败时才扩展范围。在MSE-Bench基准测试中，E3在成功率达到100%的同时，成本降低85%，令牌数减少91%，检查文件数减少92%。此外，E3在实际模型中也表现出色，验证了其在真实开源库编辑中的有效性。

🔬 方法详解

问题定义：本文旨在解决LLM代理在执行任务时缺乏任务复杂性评估的问题。现有方法往往导致简单任务变得复杂，增加了不必要的资源消耗和时间浪费。

核心思路：论文提出的E3框架通过任务感知的执行范围估计，帮助代理判断任务的难度和所需信息，从而优化执行策略。设计这一框架的目的是为了减少冗余操作，提高执行效率。

技术框架：E3框架包含三个主要模块：估计（Estimate）、执行（Execute）和扩展（Expand）。首先，代理估计任务的初始操作点；然后，执行最小可行路径；最后，只有在验证失败时才扩展执行范围。

关键创新：最重要的技术创新在于引入了代理认知冗余比（ACRR）和最小充分执行的概念，这与现有方法的最大上下文优先策略形成鲜明对比，显著提高了执行效率。

关键设计：E3框架的设计中，关键参数包括初始操作点的估计方法、最小可行路径的定义，以及在验证失败时的扩展策略。这些设计确保了代理在执行任务时的高效性和准确性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在MSE-Bench基准测试中，E3框架实现了100%的成功率，同时成本降低了85%，令牌数减少了91%，检查文件数减少了92%。此外，E3在实际应用中也表现出色，验证了其在真实开源库编辑中的有效性，显示出其在资源利用上的显著优势。

🎯 应用场景

该研究的潜在应用领域包括软件开发、自动化测试和工程管理等。通过提高任务执行的效率和准确性，E3框架能够帮助开发者更好地管理复杂项目，减少资源浪费，提升工作效率。未来，该框架可能在更广泛的AI应用中发挥重要作用，推动工程基础的人工智能（EGAI）发展。

📄 摘要（原文）

Large language model (LLM) agents increasingly automate multi-step engineering and informatics workflows, yet they rarely ask how much effort a task actually requires. They often follow a maximum-context-first strategy--re-reading files and dependencies they have already seen--turning a one-line edit into a small code-base audit. We argue the missing capability is task-aware execution-scope estimation: judging a task's difficulty, the information it truly needs, and the shortest reliable path before committing budget. We formalize minimum-sufficient execution and the Agent Cognitive Redundancy Ratio (ACRR), and propose E3 (Estimate, Execute, Expand): the agent estimates an initial operating point, executes a minimum viable path, and expands scope only when verification fails. On MSE-Bench--a deterministic benchmark of 121 edits in a capability-controlled simulator--E3 matches the strongest baseline's 100% success while cutting cost by 85%, tokens by 91%, and inspected files by 92%, and further beats a strong adaptive retrieval baseline by 16%; the gains survive held-out instruction wording and essentially every cost weighting. A companion real-model harness (LLM-Case) corroborates the effect on a live gpt-4o agent editing a real open-source library, with every candidate patch graded by actually running the project's real pytest suite against a measured oracle: the over-reading is milder but real, and E3 is the leanest and fastest policy at comparable task success--its one shortfall a provider rate-limit, not a wrong edit. We frame this as a controlled probe of execution redundancy, not a measurement of any deployed agent, and position task-aware execution as a step toward engineering-grounded AI (EGAI)--agents whose effort is anchored in the engineering reality of the task. We release the framework and benchmark.