Leggere meno, risolvere di più: lettura sparsa efficiente in termini di token dei contenuti esterni per agenti di IA

Abstract degli autori

Gli agenti di IA che interagiscono con il Web accedono ripetutamente a pagine web, documenti, repository e risposte degli strumenti, ma le interfacce di lettura spesso mostrano interi contenuti quando servono solo evidenze sparse. Questa lettura eccessiva aumenta i costi in termini di token e latenza e può diluire le evidenze rilevanti. Presentiamo SparseRead, un livello riutilizzabile di controllo della lettura che regola quali contenuti vengono acquisiti senza modificare il modello dell’agente. Il Read Intent Protocol tiene traccia delle esigenze in evoluzione e della copertura delle fonti; gli Adaptive Reader Backends selezionano come individuare e presentare le evidenze; il Budgeted Read Gate limita l’esposizione cumulativa ai contenuti grezzi per episodio, con un fallback fedele alla visualizzazione completa. Un’interfaccia Reader unificata supporta l’acquisizione intercambiabile di evidenze da risorse eterogenee. Su sei modelli, tra cui Claude Opus 5, e cinque scenari, SparseRead riduce il numero totale di token fino al 92,9% e il tempo di esecuzione fino all’89,0%, preservando o migliorando la qualità delle attività nel 97% delle configurazioni. Nelle attività di ricerca approfondita sul Web, riduce i token del 31,0–43,0% e il tempo necessario per completare le attività del 23,0–37,0%. Gli studi di ablazione convalidano i tre design, mentre l’integrazione con tre framework per agenti ne dimostra la portabilità.