摘要
现代信息系统亟需能驾驭复杂工作流的自主智能体，但现有方法难以从结构化元数据解析过渡到通用环境感知。针对当前多模态大模型智能体将任务序列视为离散线性片段、缺乏对底层转换拓扑捕捉的问题，本文提出一种新颖的多模态多智能体框架。该框架采用两阶段流程：离线阶段自适应构建拓扑知识库；推理阶段利用基于图的自适应检索增强生成（RAG）及闭环协作验证协议，实现动态自校正与导航。实验表明，该方法在有限训练数据下仍能保持高可靠性与语义感知能力，显著提升了任务分解与自适应导航性能。
AI 推荐理由
论文核心在于通过拓扑知识库实现任务分解与自适应导航，属于规划能力研究。
研究机构
Sapienza University of Rome
Rome, Italy
Department of Engineering
University of Sannio
Benevento, Italy
Faculty of Jurisprudence
Unitelma Sapienza University
论文信息