摘要
本文在对抗性部分可观测序列环境（CybORG CAGE-2）中，系统研究了复合 LLM Agent 的设计维度。通过对比不同上下文表示、推理机制及分层任务分解策略，发现程序化状态抽象最具成本效益；而在层级架构中叠加推理工具会导致“推理级联”效应，显著降低性能并增加开销。研究表明，在结构化对抗环境中，优化任务分解优于深化单Agent 推理。
AI 推荐理由
核心研究分层任务分解与规划架构，评估其对性能与成本的影响。
研究机构
Carleton University, Ottawa, Ontario, Canada
Defence R&D Canada, Ottawa, Ontario, Canada
Cistel Technology, Ottawa, Ontario, Canada
论文信息