Contro il tempo: verso agenti di IA puntuali e produttivi con un budget temporale

Abstract degli autori

Studiamo se piccoli agenti basati su LLM possano operare efficacemente entro limiti espliciti di tempo effettivo, sia rispettando il tempo assegnato sia usando in modo produttivo quello disponibile. Valutiamo Qwen3.6-27B su cinque competizioni di MLE-Bench Lite e Qwen3-4B su Zork I (Jericho), due benchmark per agenti nei quali più tempo di calcolo può migliorare sensibilmente le prestazioni. Nella configurazione più semplice, in cui il limite di tempo è indicato soltanto nel prompt, gli agenti non riescono a tradurlo in un uso controllato del tempo. Questi insuccessi dipendono in parte dalla scarsa consapevolezza del tempo, poiché l’ambiente di esecuzione non fornisce indicazioni temporali, ma anche dall’incapacità degli agenti di prevedere con affidabilità la durata delle azioni e dalla mancanza di un’associazione appresa tra il tempo disponibile e una strategia adeguata. Esaminiamo due categorie complementari di interventi: meccanismi dell’ambiente di esecuzione che rendono disponibili informazioni sul tempo e impongono le scadenze, e apprendimento per rinforzo (RL) con ricompense che tengono conto del budget temporale. Fornire informazioni sul tempo tramite l’ambiente di esecuzione migliora notevolmente il rispetto del limite da parte di Qwen3.6-27B senza perdite di prestazioni misurabili, mentre i meccanismi che impongono le scadenze lo rendono ancora più rigoroso. L’RL con GRPO ottiene un rispetto quasi perfetto del limite di tempo su Zork I e si generalizza a limiti esclusi dall’addestramento, ma su MLE-Bench non migliora le prestazioni nel compito rispetto all’ambiente di esecuzione senza addestramento. Anche quando gli agenti vengono portati a rispettare il limite, non riescono comunque a sfruttare il tempo aggiuntivo per migliorare le prestazioni nel compito. Le politiche addestrate con RL imparano quando fermarsi, ma spesso riempiono il tempo extra ripetendo le stesse azioni; inoltre, l’addestramento con GRPO su più limiti di tempo tende ad appiattirsi sulla strategia appresa per il limite più breve. I nostri risultati rivelano uno scarto tra il rispetto dei limiti di tempo e l’impiego produttivo del tempo disponibile, che resta una sfida centrale per gli agenti condizionati dal budget temporale.