arXiv 2026年10月5日作者提出一个用于动作推测回合的延迟框架，把一轮推测的收益（草稿模型对目标模型的预测准确度、任务在结束前可执行的步数）与成本（起草、等待目标模型验证、执行工具）相比较，并据此设计 LEAP：保持草稿模型很小（0.6B），通过在目标动作序列上训练使其与目标模型决策高度一致，从而在多种数据集、目标模型和草稿模型上实现最高 60% 的端到端墙钟时间加速，且任务成功率无系统性变化；草稿模型还可在无预先轨迹收集的情况下在线训练并达到离线训练的性能。作者提出一个用于动作推测回合的延迟框架，把一轮推测的收益（草稿模型对目标模型的预测准确度、任务在结束前可执行的步数）与成本（起草、等待目标模型验证、执行工具）相比较，并据此设计 LEAP：保持草稿模型很小（0.6B），通过在目标动作序列上训练使其与目标模型决策高度一致，从而在多种数据集、目标模型和草稿模型上实现最高 60% 的端到端墙钟时间加速，且任务成功率无系统性变化；草稿模型还可在无预先轨迹收集的情况下在线训练并达到离线训练的性能。LEAP 用 0.6B 草稿模型学习目标动作序列，让 LLM 智能体端到端提速最高 60% 且任务成功率无系统性变化作者提出一个用于动作推测回合的延迟框架，把一轮推测的收益（草稿模型对目标模型的预测准确度、任务在结束前可执行的步数）与成本（起草、等待目标模型验证、执行工具）相比较，并据此设计 LEAP：保持草稿模型很小（0.6B），通过在目标动作序列上训练使其与目标模型决策高度一致，从而在多种数据集、目标模型和草稿模型上实现最高 60% 的端到端墙钟时间加速，且任务成功率无系统性变化；草稿模型还可在无预先轨迹收集的情况下在线训练并达到离线训练的性能。作者提出一个用于动作推测回合的延迟框架，把一轮推测的收益（草稿模型对目标模型的预测准确度、任务在结束前可执行的步数）与成本（起草、等待目标模型验证、执行工具）相比较，并据此设计 LEAP：保持草稿模型很小（0.6B），通过在目标动作序列上训练使其与目标模型决策高度一致，从而在多种数据集、目标模型和草稿模型上实现最高 60% 的端到端墙钟时间加速，且任务成功率无系统性变化；草稿模型还可在无预先轨迹收集的情况下在线训练并达到离线训练的性能。