مقاله‌ی arXiv:2610.13485 · در صف خبرنامه
Proactive Agentic Orchestration
هماهنگ‌سازی پیشگیرانه: ساب‌ایجنت‌هایی که هر وقت لازم شد از هماهنگ‌کننده تغییر هارنس می‌خواهند
- تاریخ
- (۱۷ مهر ۱۴۰۵) 2026-10-09 تأییدشده از روی تاریخ ارسال نسخه‌ی اول در آرکایو
- نویسنده‌ها
- Xueyang Feng, Chaozhuo Li, Xiaohe Bo, Jiakai Tang, Chenxi Li, Qiwei Ye, Xu Chen
- نهاد نویسنده‌ها
- The Chinese University of Hong Kong, Shenzhen; Beijing Academy of Artificial Intelligence
- موضوع‌ها
خلاصه‌ی فارسی
مسئله
هماهنگ‌سازی ایجنتی تسک‌ها را به ساب‌ایجنت‌هایی با کانتکست مستقل می‌سپارد و راه اصلی گسترش افق اجرای ایجنت‌هاست. اما روش‌های موجود هدف و هارنس ساب‌ایجنت را در زمان ساخت ثابت می‌کنند، که سازگاری با محیط پویا را محدود می‌کند؛ مثلاً ساب‌ایجنتی که فهمیده ابزار لازم را ندارد، باید با همان ابزارها کار را تمام کند. در بهینه‌سازی هم بازخورد پراکنده و دیرهنگام یادگیری سیاست هماهنگ‌سازی را محدود می‌کند.
روش
چارچوب POrchestra به ساب‌ایجنت‌ها اجازه می‌دهد در هر نقطه‌ی منطقی با هماهنگ‌کننده ارتباط بگیرند و تغییر هارنس بخواهند، در حالی که اجرای محلی‌شان ادامه دارد. روش OPOD درخواست‌های اصلاح ساب‌ایجنت‌ها را به تصمیم‌های هماهنگ‌سازی قبلی نسبت می‌دهد تا سیگنال بهبود هدفمند بسازد، و این سیگنال‌ها را در کنار پاداش نهایی به عنوان نظارت فرایندی برای بهینه کردن سیاست هماهنگ‌کننده به کار می‌برد.
یافته‌ها
- روی سه بنچمارک طولانی در پژوهش عمیق، دستیار دیجیتال پویا و مهندسی نرم‌افزار، موفقیت تسک را به‌طور میانگین ۹٫۱ درصد نسبت به قوی‌ترین پایه بهتر کرد.
- همراه OPOD، موفقیت هماهنگ‌کننده‌ی کوچک را به‌طور میانگین ۱۰ درصد نسبت به روش‌های آموزش موجود بهتر کرد.
- تعادل هزینه و کارایی بهتری هم داشت.
محدودیت‌ها
نویسنده‌ها می‌گویند فعلاً فقط هماهنگ‌کننده بهینه می‌شود و پارامترهای مدل ساب‌ایجنت‌ها و قاعده‌های ارتباط ثابت می‌مانند.
چرا مهم است
ساب‌ایجنت‌ها اغلب وسط کار می‌فهمند چیزی کم دارند. این کار نشان می‌دهد اجازه دادن به آن‌ها برای درخواست تغییر، هم اجرا را بهتر می‌کند و هم سیگنال آموزشی برای هماهنگ‌کننده می‌سازد.