כתבה
arXiv cs.CL ·
DAGent: תכנון לסוכנים עמוקים
DAGent: Evaluate-then-Grow Planning for Deep Research Agents
DAGent הוא כלי לתכנון לסוכנים עמוקים. הוא מאפשר תכנון אינקרמנטלי והרחבה של גרף משימות. DAGent תומך בביצועים מקבילים ומאפשר תכנון גמיש יותר. הוא עובד עם מודלים כמו GPT-5.
תקציר מקורי באנגליתarXiv:2609.39154v1 Announce Type: new Abstract: Deep research tasks require agents to navigate large knowledge spaces, synthesize evidence across many sources, and adapt their plans as findings emerge. Directed acyclic graph (DAG)-based multi-agent systems suit this setting because they support parallel execution and isolate each sub-task within a focused dependency context. Yet existing DAG-based agents instantiate a task-level plan before execution and repair the graph only after failures or missing evidence are observed. This Plan-then-Patch strategy is brittle for deep research: the system commits most strongly when its evidence is weakest, and later revisions waste computation on branches that should not have been planned. We propose DAGent, a DAG-based multi-agent framework with Eval
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית