Hierarchical Agents Long-Horizon Planning MLE Automation
摘要

针对机器学习工程中长程决策、上下文噪声及计算受限等挑战,本文提出“套娃代理”分层框架。该架构将问题解决分解为协调的层级:高层编排器维护紧凑的长程探索状态并发布战略指令,低层子代理通过标准工具接口执行具体方案。这种设计解耦了战略探索与昂贵执行,显著减轻长上下文推理负担并支持高效迭代优化。实验表明,该框架在多种模型上均能有效提升长程任务性能,使小模型达到媲美大模型的编排能力。

AI 推荐理由

提出分层代理框架,核心在于长程任务分解与战略规划,解耦探索与执行。

研究机构
Georgia Institute of Technology
论文信息
作者 Rushi Qiang, Changhao Li, Haotian Sun, Yuchen Zhuang, Chao Zhang et al.
发布日期 2026-07-27
arXiv ID 2607.25090
相关性评分 9/10 (高度相关)