Doomed from the Start: Early Abort of LLM Agent Episodes via a Recall-Controlled Probe Cascade

这篇论文把 agent episode 的早停问题转化为隐藏表示上的失败预测：每轮用轻量 probe 读取 hidden activations，甚至第一轮就能预判后续失败，而只看可观察行为的 scorer 还接近随机。作者设计了 per-round calibrated gate cascade，通过联合搜索 recall budgets 保证最终会成功的 episode 以用户指定全局比例存活。TextCraft 上两个 agent model 在 90%-97% recall target 都达标；90% target 下，Qwen-2.5-7B 节省 47.1% ± 10.3% 推理 compute，Llama-3.2-3B 节省 37.2% ± 8.8%，约为最佳 single-gate policy 的 1.6-1.7x。