针对这个问题，华盛顿大学团队提出了 Agentic Abstention 框架，专门研究 Agent 何时该停止行动，并设计了一种上下文工程方法 CONVOLVE（Context Evolution）来提升 Agent 的弃答能力 … 围绕这一框架，研究团队定义了弃答情形，再构建评测任务，并提出了改进方法，在超过 2.8 万个任务上评估了 13 个 LLM-as-Agent 系统和 2 种 Agent 脚手架 … 3. 改进方法：研究团队提出了 CONVOLVE，这是一种用于提升 Agent 弃答能力的上下文工程方法。