研究问题与方法

GAP 针对 ReAct 顺序调用的效率瓶颈,让模型生成依赖感知子任务图,判断哪些工具可并行、哪些需要串行。训练分为图规划轨迹上的 SFT,以及正确性奖励驱动的 RL。

实验对象

摘要明确使用来自 Multi-Hop Question Answering 的图规划数据,并在 MHQA 检索推理任务中评价。本库希望转向非 RAG 的状态化行动,因此只记录其图调度机制,不把问答结果混进应用状态任务的证据。

对本库的启发

“用图实现并行”“训练模型生成依赖”都不能直接作为创新点。应进一步区分数据依赖与共享资源冲突,检查读写副作用是否要求额外边或同步。

证据边界与关联

本轮核验摘要和元数据,尚未完整审核训练数据或预算。进一步比较 LLMCompiler、隐式决策冲突 和 异步执行。

原始来源与阅读范围

Jiaqi Wu et al. / arXiv · 2025-10-29。本轮范围:元数据与摘要核验;采集日期:2026-11-16。来源陈述与本库提出的实验设想在正文中分别说明。