Multi-Agent System Task Decomposition Research Roadmap LLM Benchmark
摘要

结构化内容（如路线图）能加速知识获取与问题解决，但路线图生成任务尚未被充分探索。本文提出 RoadMap 基准以评估大模型构建高质量路线图的能力，并指出其缺乏专业知识、任务分解不合理及逻辑关系混乱三大局限。为此，作者提出 RoadMapper，一种基于大模型的多智能体系统，将生成任务分解为初始生成、知识增强及迭代“批判 - 修订 - 评估”三个阶段。实验表明，该系统显著提升了路线图生成质量，平均性能提升超 8%，且耗时仅为人类专家的 16%。

AI 推荐理由

论文核心解决复杂问题的任务分解与层级子任务规划，直接对应规划能力。

研究机构
Beijing University of Posts and Telecommunications The Hong Kong University of Science and Technology (Guangzhou) Hithink RoyalFlush Information Network Co., Ltd.
论文信息
作者 Jiacheng Liu, Zichen Tang, Zhongjun Yang, Xinyi Hu, Xueyuan Lin et al.
发布日期 2026-04-30
arXiv ID 2604.27616
相关性评分 9/10 (高度相关)
arXiv 页面 下载 PDF Code DeepWiki