FlowAgent：将工具调用重构为连续流以演化智能体推理

研究者提出 FlowAgent，将工具链重构为语义空间内的连续轨迹生成，用条件流匹配生成连续隐轨迹，为智能体提供全局规划视角。该方法建立了效用收敛的正式边界，并证明连续形式可保证鲁棒泛化与误差衰减。团队同时提出首个面向动态真实环境的计划级闭环基准，FlowAgent 在长程推理任务中展现出更优的鲁棒性与适应性，论文已被 NeurIPS 2026 接收。