一句话看懂：Hugging Face Papers 上的一篇论文提出 LEASH，一个无需训练的框架：让弱模型默认执行电脑操作任务，只在内部不确定性信号触发时把控制权交给强模型，并在交接后继续监督。据摘要，在 OSWorld 上，它以 Qwen3.5-35B-A3B 达到 73.66% 成功率，单任务成本 0.4117 美元，与常开 Claude Opus 5 的 72.90% 基本持平，推理成本降低 19.2%。
事件核心：发生了什么
论文于 2026 年 10 月 15 日发布在 Hugging Face Papers，针对的是长程 computer-use agents：每一步都调用前沿模型太贵，只用小开源模型又容易失败。LEASH 的思路是弱代理默认执行，按需升级。判断“何时升级”依赖一个低成本的“潜在不确定性”估计器：它把弱模型的隐藏状态与过去成功、失败轨迹的状态作比较，越像失败则不确定性越高；该估计器复用动作生成时已有的激活，不需要额外前向计算，也不需要单独训练监控器。交接后，面对只提供黑盒 API、看不到内部状态的强模型，LEASH 用“影子观察器”继续监督。摘要只描述了三层设计，未披露完整实验细节。
为什么重要
这指向一个现实成本问题：agent 任务越长，每步都调用大模型的 token 与 API 账单越难承受。LEASH 试图用“弱模型兜底 + 强模型救场”在不明显牺牲成功率的前提下压低推理成本，并用同一套不确定性信号覆盖路由、升级和后续监督。如果该路线成立，对开源模型参与高价值 agent 任务、对企业控制 agent 部署预算都有参考意义。但需注意，其结论来自 OSWorld 单基准和四种模型骨干，目前公开信息显示尚不能外推为通用排名。
对用户/开发者/创作者的影响
开发者可关注“升级判定”这一层：相比随机升级，摘要称在相同升级率下提升 6.55 至 11.94 个百分点，说明判定策略本身有优化空间。对使用黑盒 API 的团队，影子观察器提示了一条不依赖厂商开放内部状态的监督思路。不过该框架目前是论文，并非可直接调用的产品；能否复现、是否兼容主流 agent 运行时，尚无公开说明。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是后续是否开源代码或提供基准复现脚本；二是不确定性估计器在 OSWorld 之外的任务上是否稳定；三是“影子观察器”对黑盒 API 的额外开销与误判率，以及是否有厂商将该思路产品化。
