原子任务图：智能体规划与执行的统一框架

基于LLM的智能体在解决复杂多步任务上展现出强大潜力，但既有性能提升常依赖扩展到更大骨干模型或任务特定微调。前者产生大量计算成本，后者通常跨任务泛化差。虽然基于提示的控制免训练且广泛适用，既有方法仍将子任务间输入输出依赖隐含在文本轨迹中——使验证过的中间结果难以复用。为解决这些局限，我们提出原子任务图（ATG）——规划与执行的统一控制框架。具体地，ATG维护显式图以暴露依赖并支持复用。规划时，它递归地将高层任务分解为子任务——形成演化可追溯的有向无环图（DAG）序列。执行时，ATG暴露的依赖允许独立分支并行执行——提升执行效率。检测到失败时，ATG利用图演化历史定位错误来源并仅修复受影响区域——保持已验证区域不变。实验表明仅用7B-8B骨干，ATG在三个交互基准上持续在成功率与执行效率上超越强基线。