TaReD：工具感知递归分解长程任务论文发布
Get the story
2026年10月9日，arXiv·Artificial Intelligence（一手）发布论文，提出面向长程任务的工具感知递归分解方法 TaReD。该方法按功能关系把工具组织成能力层级，智能体在执行中按需发现工具，并将复杂任务递归分解为与各阶段所需能力对齐的子任务树。实验显示，在复杂真实任务上，该方法将端到端任务成功率较对比基线最多提升40个百分点。论文为15页、含3幅图、2张表，实现代码已在GitHub开源。目前报道仅此一篇，未见后续验证或更新。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Artificial IntelligenceTaReD：面向长程任务的工具感知递归分解方法
论文提出工具感知递归分解方法 TaReD，按功能关系把工具组织成能力层级，智能体在执行中按需发现工具，并将复杂任务递归分解为与各阶段所需能力对齐的子任务树。实验显示，该方法在复杂真实任务上将端到端任务成功率较对比基线最多提升 40 个百分点。实现代码已在 GitHub 开源，论文为 15 页、3 幅图、2 张表。
Heat trend
Current heat 9·Comparable peak 10（Oct 9）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.