全局编排准确率仍低于逐步交互，但差距已大幅缩小。
资讯摘要
论文提出 AgentOrch 基准，在 650 条企业 SOP 与 3,220 个运行时变体上，于工具、环境和评估一致的条件下直接比较全局编排（预先一次性生成完整可执行工作流、不再调用 LLM）与逐步交互。作者报告逐步交互在所有被测模型上仍更准确，但差距从早期模型到最强近期模型缩小约 79%；并给出三条缩小差距的路径。
要点速读
- AgentOrch 覆盖 650 条企业 SOP 和 3,220 个运行时变体，在匹配的工具、环境与评估下对比两种方式。
- 逐步交互在所有被测模型上准确率仍更高，但作者报告该差距从早期模型到最强近期模型缩小约 79%。
- 增量式工作流构建平均提升全局编排 9.98 个百分点；用执行反馈修订完整工作流在留出运行时变体上提升 6.13 个百分点；针对完整工作流的有目标训练在五个受训模型上平均提升 12.18 个百分点。
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 2026/11/3 08:00:27（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。