面向长程任务的目标感知动态多智能体协作

论文提出GAD，用执行图与目标保留协调多智能体长程任务

资讯摘要

论文针对LLM智能体执行长程任务时的职责分工问题展开研究，发现验证环节与任务成功关联最强但往往出现较晚，且共享上下文中职责相关信息比例随记录累积而下降。作者提出GAD方法，用持续增长的执行图组织子任务及依赖，各智能体上下文保留原始指令与任务目标、验收条件，并支持按执行证据拆分任务、指定依赖，通过验证与恢复检查子任务及整体完成情况。

要点速读

1. 初步研究发现验证与任务成功关联最强，但常发生较晚，纠错机会有限
2. 共享上下文中职责相关信息比例随不同职责记录累积而下降
3. GAD用执行图组织子任务依赖，各上下文保留原始指令与目标、验收条件，并设验证与恢复检查

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。