Multi-device Agents Hierarchical Planning Fault Recovery Task Decomposition
摘要

现实世界的计算机使用任务常跨越多个应用和设备,要求代理在动态运行故障下协调异构环境。现有系统虽支持任务分解,但恢复机制粗糙,缺乏对设备本地策略空间的建模。本文提出 H-RePlan,一种支持统一 API-CLI-GUI 执行的分层重规划框架。它通过跨层故障抽象,将设备本地策略恢复与 orchestrator 级全局重规划分离。在注入故障的 HeraBench 基准测试中,H-RePlan 显著优于基线,提高了任务完成率和指令遵循度,同时降低了 token 成本,证明了范围感知的分层恢复对鲁棒执行至关重要。

AI 推荐理由

论文提出分层重规划框架,核心解决多设备代理的任务失败恢复与全局/局部规划问题。

研究机构
上海人工智能实验室
论文信息
作者 Shu Yao, Yuhua Luo, Qian Long, Jingru Fan, Zhuoyuan Yu et al.
发布日期 2026-06-18
arXiv ID 2606.20487
相关性评分 9/10 (高度相关)