Long-Horizon Agents Causal Learning Adaptive Planning Efficiency
摘要

针对现有 Agent 控制系统依赖固定策略导致长程任务效率低下的问题,本文提出 CHILL-Harness。该方法将自适应编排建模为因果学习问题,通过反事实干预学习评估工作流优势,并基于预期优势动态调整推理与执行路径。实验表明,该方法在保持或提升任务成功率的同时,显著降低了令牌消耗和执行时间,实现了高效的长程任务规划。

AI 推荐理由

论文核心解决长程 Agent 的任务编排与自适应工作流调整,属于规划能力的关键机制。

研究机构
School of Computer Science and Technology, Beijing Institute of Technology, Beijing, China
论文信息
作者 Jiarun Fu, Lizhong Ding, Sida Chen, Honglei Xin, Chunhui Zhang et al.
发布日期 2026-07-28
arXiv ID 2607.25825
相关性评分 9/10 (高度相关)