摘要
针对现有智能体系统在复杂任务中忽视执行效率的问题,本文提出EASy框架。该框架通过强化学习联合优化任务性能与计算效率。EASy赋予编排器对异构执行器能力与成本的了解,引入“里程碑-计划-执行”工作流,将复杂任务分解为可管理的里程碑,构建依赖感知执行图,分配合适执行器并并行化独立步骤,同时根据中间结果自适应调整决策。实验表明,EASy在数学推理等基准上实现了更优的性能-效率权衡。
AI 推荐理由
论文核心提出里程碑-计划-执行工作流,涉及任务分解、依赖图构建及多步计划生成,属规划能力范畴。
研究机构
Department of Data Science and AI, Faculty of Information Technology, Monash University, Australia
论文信息