Multi-Agent System Educational Games Task Planning LangGraph
摘要

本文介绍了 GameDAI,这是一种分层多智能体框架,能将教师提供的问题转化为经过形式化机制契约验证的、具有教学基础的可玩教育游戏。该系统基于分阶段的 LangGraph 子图、确定性质量门和结构化 Pydantic 模式构建,支持涵盖空间推理、程序执行及高阶布鲁姆分类目标的 15 种交互机制。在五个学科领域的 200 个问题评估中,系统验证通过率达 90%,模式合规率 98.3%,且相比 ReAct 智能体减少了 73% 的 token 消耗。结果表明,阶段限定的架构结构比单纯的提示策略更能提升对齐质量。

AI 推荐理由

论文提出分层多智能体框架,核心在于阶段化任务规划与分解,将问题转化为游戏。

研究机构
Arizona State University
论文信息
作者 Shiven Agarwal, Yash Shah, Ashish Raj Shekhar, Priyanuj Bordoloi, Vivek Gupta
发布日期 2026-04-27
arXiv ID 2604.23947
相关性评分 9/10 (高度相关)