Имеет ли значение то, как ты планируешь? Эмпирическое исследование плановых представительств для веб-агентов LLM

arXiv: 2605.29927v2 Annuales Type: заменить кросс-бюллетень: Несмотря на последние достижения, вебагенты LLM попрежнему сталкиваются с ограниченными исследованиями, упущением критических шагов и чувствительным к трудностям. Предыдущая работа свидетельствует о том, что многие из этих неудач обусловлены недостатками в планировании, однако воздействие альтернативных представлений по естественным языковым планам остается неизученным. Для решения этой проблемы мы внедряем план "План-охотник", статичную систему планирования и осуществления, которая оценивает влияние представительства плана на результативность деятельности агентов. Сначала мы автоматически классифицируем задачи Веб-Арены на три уровня сложности, что позволяет последовательно сортировать трудности без человеческой аннотации. Затем мы систематически оцениваем 4 различных плановых представления в отношении задач, отнесенных к категории сложных: последовательные подцели, описательные части, псевдокоды и контрольный перечень; по различным семействам мультимодальных агентов на ЛМ (OpenAI, Alibaba and Google). Для учета стохастической изменчивости мы введем новое разложение агента Su