面向 LLM Agent 的胞腔工作流复形拓扑一致任务规划

英文标题：Topology-Consistent Task Planning over Cellular Workflow Complexes for LLM-based Agents

本文针对大语言模型（LLM）Agent 在复杂任务编排中的依赖瓶颈，提出了基于胞腔工作流复形（Cellular Workflow Complexes）的拓扑一致性任务规划方法。现有规划器大多局限于顺序或有向无环图（DAG）结构，难以稳健处理包含循环、条件分支和多智能体协同的非平凡工作流模式。该研究通过引入高阶拓扑空间建模，从数学层面保证了复杂工作流满足用户意图与前置依赖的拓扑一致性。该成果为开发具备高鲁棒性、可处理长程复杂工程任务的下一代自主 Agent 系统提供了全新的形式化框架与理论基础。

打开原文相关 4.8 · 机会 4

中文

摘要

面向大语言模型（LLM）Agent 的任务规划需要生成既符合用户意图、又能满足复杂子任务依赖关系的工作流。尽管现有的规划器在顺序执行或有向无环图（DAG）类结构中表现良好，但在应对诸如循环迭代、条件反馈以及多路径协同等复杂工作流模式时仍面临显著挑战。为此，本文提出了基于胞腔工作流复形（Cellular Workflow Complexes）的拓扑一致性任务规划方法，将拓扑学建模引入 Agent 规划中，以系统性保障非平凡任务拓扑在逻辑依赖与执行语义上的一致性。

面向 LLM Agent 的胞腔工作流复形拓扑一致任务规划

中文

摘要

English / 原文

BibTeX formatted citation