EGL-SCA：图推理代理中指令与工具协同进化的结构化信用分配

针对图推理代理需从文本重构结构、决策工具使用并满足外部验证的耦合难题，现有方法往往孤立优化指令或工具。本文提出 EGL-SCA，一种以验证器为核心的双空间框架，包含推理策略的指令侧策略空间和可执行算法的工具侧程序空间。其核心机制是结构化信用分配，能将失败轨迹精准路由至提示优化或工具合成修复。通过分层任务分布训练及帕累托保留策略，该框架在四个基准测试中达到 92.0% 的成功率，显著优于纯提示及固定工具箱基线。