Google 的程序化圖形提升 LLM 代理的效能

Google 研究人員與 Georgia Tech 及北京大學合作，推出 Procedural Graphs。這是一套旨在協助大型語言模型（LLM）代理完成複雜多步驟任務的框架。研究論文《Procedural Graphs: Self-Evolving Execution Structures for LLM Agents》於 9 月 8 日提交至 arXiv。 Procedural Graphs 將流程組織成可編輯的圖結構，連結程序、條件與執行指引。定位系統會辨識代理目前所處的步驟，而引導模型則將周遭圖結構轉換成目標明確的指示。自動化改進機制也會從成功與失敗的任務軌跡中學習，只有在變更能改善結果時才會接受。 在七項基準測試與四個 LLM 中，該框架在 24 個模型與基準測試組合中的 21 個取得第一名或並列第一名。在 BFCL v3 函式呼叫基準測試中，表現提升了 9 個百分點。在 EnterpriseArena 模擬中，Gemini 3.1 Pro 的長期存活率從 6% 升至 34%，增加 28 個百分點。 研究結果顯示，程序圖可能提升 AI 代理在企業自動化、工作流程軟體與工具使用應用中的可靠性。對交易者而言，這項發展與 AI 基礎設施及軟體產業相關，但並非加密貨幣的直接催化劑。