arXiv cs.AI· Wei-Xiang Mao, Zhi-Kai Chen, De-Chuan Zhan, Han-Jia Ye·· 3 小时前AI 评分37
TaReD：面向长时程任务的工具感知递归分解
TaReD: Tool-Aware Recursive Decomposition for Long-Horizon Tasks
AI 导读
研究者提出 TaReD（工具感知递归分解），按功能关系将工具组织为能力层级，让智能体按需发现工具并把复杂任务递归拆解为与各阶段能力对齐的子任务树。在复杂真实任务上，该方法端到端任务成功率较对比基线最高提升 40 个百分点，实现已在 GitHub 开源。
来源：arXiv cs.AI · arxiv.org