Resumen: El avance de los agentes impulsados por el modelo de lenguaje grande (LLM) ha permitido el procesamiento automatizado de tareas a través de capacidades de invocación de herramientas y razonamiento. Sin embargo, los marcos existentes a menudo operan bajo el supuesto idealizado de que las ejecuciones de herramientas son invariablemente exitosas, basándose únicamente en descripciones textuales que no logran distinguir límites precisos de rendimiento y no pueden adaptarse a actualizaciones iterativas de herramientas. Esta brecha introduce incertidumbre en la planificación y ejecución, particularmente en dominios como la generación de contenido visual (AIGC), donde el rendimiento matizado de las herramientas afecta significativamente los resultados. Para abordar esto, proponemos PerfGuard, un marco de agente consciente del rendimiento para la generación de contenido visual que modela sistemáticamente los límites de rendimiento de las herramientas y los integra en la planificación y programación de tareas. Nuestro marco introduce tres mecanismos centrales: (1) Modelado de selección consciente del desempeño (PASM), que reemplaza las descripciones genéricas de herramientas con un sistema de puntuación multidimensional basado en evaluaciones de desempeño detalladas; (2) Actualización de preferencias adaptativas (APU), que optimiza dinámicamente la selección de herramientas comparando clasificaciones teóricas con clasificaciones de ejecución reales; y (3) Optimización de la planificación alineada con la capacidad (CAPO), que guía al planificador para generar subtareas alineadas con estrategias conscientes del desempeño. Las comparaciones experimentales con métodos de última generación demuestran las ventajas de PerfGuard en la precisión de la selección de herramientas, la confiabilidad de la ejecución y la alineación con la intención del usuario, validando su solidez y utilidad práctica para tareas complejas de AIGC. El código del proyecto está disponible en esta URL https.
Publicado originalmente en export.arxiv.org el 1 de febrero de 2026.
Ver fuente original
