正在补充深度解读，当前内容可以先阅读
论文解决了什么问题
这篇论文关注The Control-Plane Tax相关问题：当智能体依赖技能、记忆、工具和运行时控制时，模型外部系统怎样影响最终能力。
核心方法
AgentSysBench 衡量十类 agentic workload，说明从单次 LLM 推理到长程工具协调后，延迟和成本会转移到控制平面、工具等待、状态管理和调度。服务系统若仍按普通推理假设优化，会看错瓶颈。
实验结论
- 量化 agent 工作负载中控制平面带来的系统税。
- 适合与同批推荐中的 Agent Skills、Harness 和长期记忆论文交叉比较。
局限性与证据边界
- 已按 arXiv 元数据和摘要整理，推荐文案为中文编辑摘要。
适合谁阅读
追踪 Agent Skills 与 Harness 研究比较模型外状态的收益和风险设计长期智能体系统Agent SkillsAgent Harness
可核验的原论文来源和作者
- 作者
- Chaokun Chang, Yukun Zhou, Kaihua Fu, Dakai An, Tianyu Feng, Hanfeng Lu
- 来源
- arXiv
- 论文 ID
- 2608.15127