論文の概要: Topology-Consistent Task Planning over Cellular Workflow Complexes for LLM-based Agents

• arxiv url: http://arxiv.org/abs/2610.07004v1
• Date: Sun, 04 Oct 2026 10:24:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.500985
• Title: Topology-Consistent Task Planning over Cellular Workflow Complexes for LLM-based Agents
• Title（参考訳）: LLMエージェント用セルワークフロー複合体のトポロジ一貫性タスク計画
• Abstract要約: TopoPlannerはツール依存グラフをセル・ワークフロー・コンプレックスに統合する。 TopoPlanner は cosheaf-consistent 細胞検索によりリクエスト関連クローズドサブ複合体を検索する。
• 参考スコア（独自算出の注目度）: 45.612505893701034
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Task planning for LLM agents requires workflows that satisfy both user intent and complex sub-task dependencies. While existing planners work well for sequential or directed acyclic graph (DAG)-like structures, they struggle with workflow patterns such as verification-correction loops, convergent branch merging, and reusable intermediate states that arise naturally in real-world tool orchestration. We present TopoPlanner, a topology-consistent planning framework that lifts tool dependency graphs into cellular workflow complexes and uses them as topologyaware context for LLM tool planning. TopoPlanner retrieves a request-relevant closed subcomplex through cosheaf-consistent cellular retrieval, performs multidimensional structural reasoning over the retrieved topology, and interfaces the resulting cellular representation with the planner LLM for tool-sequence generation. Experiments on four tool-planning benchmarks with topology-guided loop, merge, and loop-merge workflows show consistent improvements over prompt-based and graph-enhanced baselines across different local LLM backbones.
• Abstract（参考訳）: LLMエージェントのタスクプランニングには、ユーザ意図と複雑なサブタスク依存関係の両方を満たすワークフローが必要である。 既存のプランナーは、シーケンシャルまたは非巡回グラフ(DAG)のような構造に対してうまく機能するが、検証-補正ループ、収束ブランチマージ、そして実際のツールオーケストレーションで自然に発生する再利用可能な中間状態といったワークフローパターンに苦労する。 TopoPlannerはトポロジに一貫性のある計画フレームワークで、ツール依存グラフをセル・ワークフロー・コンプレックスに上げ、それらをLLMツール・プランニングのためのトポロジア・コンテキストとして利用する。 TopoPlannerは、クローズドサブプレックスをコシャフ一貫性のあるセル検索により検索し、検索したトポロジ上の多次元構造推論を行い、その結果のセル表現を、ツールシーケンス生成のためのプランナーLDMとインタフェースする。 トポロジ誘導ループ、マージ、ループマージワークフローを備えた4つのツールプランニングベンチマークの実験では、異なるローカルLLMバックボーン間のプロンプトベースおよびグラフ強化ベースラインよりも一貫した改善が見られた。

関連論文リスト

• Can LLM Agents Sustain Long-Horizon Organizational Dynamics? [12.155708971378216]
  TaskWeaveは階層的なエージェント型フレームワークで、F-D-D-Alignサイクルを通じて計画状態を維持し、依存性を意識したトレースメモリを通じて実行を基盤とする。 実験によると、TaskWeaveは、接地されたアーティファクトを生成し、外部環境に適応しながら、コヒーレントで長期にわたる組織力学をサポートする。
  論文  参考訳（メタデータ） (2026-05-31T12:28:42Z)
• Coupled Hierarchical Search over Topology and Execution for Agentic Workflow Synthesis [64.2820121997882]
  エージェントワークフロー設計を自動化する,トレーニング不要でテスト時の階層型検索アーキテクチャであるHierFlowを紹介した。 HierFlowはインテリジェントなゲーティングモジュールを通じて効率を最大化し、コンテキスト要求に基づいて実行レベル検索を選択的にトリガーする。 質問応答、数学的推論、コード生成ベンチマークにわたる包括的なテストは、HierFlowが一貫して強力なベースラインを上回っていることを確認する。
  論文  参考訳（メタデータ） (2026-05-20T01:56:11Z)
• Scale-Plan: Scalable Language-Enabled Task Planning for Heterogeneous Multi-Robot Teams [11.964765256346857]
  不均質なマルチロボットシステムのための長期タスクプランニングは、実環境における協調チームの配置に不可欠である。 自然言語命令からタスク関連問題表現をコンパクトに生成する,スケーラブルなLLM支援フレームワークであるScale-Planを提案する。 計画に先立って無関係な情報をフィルタリングすることにより、スケールプランは効率的な分解、割り当て、長期計画生成を可能にします。
  論文  参考訳（メタデータ） (2026-03-09T18:13:18Z)
• Interactive and Expressive Code-Augmented Planning with Large Language Models [62.799579304821826]
  大きな言語モデル(LLM)は、常識的推論と対話的な意思決定において強力な能力を示す。 近年,制御フローなどのコード・アジャセント技術を用いてLCM出力を構造化し,計画性能を向上させる技術が提案されている。 完全コード表現で動的なLEM計画手法であるREPL-Planを提案する。
  論文  参考訳（メタデータ） (2024-11-21T04:23:17Z)
• Benchmarking Agentic Workflow Generation [80.74757493266057]
  複数面シナリオと複雑なグラフワークフロー構造を備えた統合ワークフロー生成ベンチマークであるWorfBenchを紹介する。 また,サブシーケンスとサブグラフマッチングアルゴリズムを利用したシステム評価プロトコルWorfEvalを提案する。 我々は、生成されたタスクが下流のタスクを強化し、推論中により少ない時間で優れたパフォーマンスを達成することを観察する。
  論文  参考訳（メタデータ） (2024-10-10T12:41:19Z)
• Nl2Hltl2Plan: Scaling Up Natural Language Understanding for Multi-Robots Through Hierarchical Temporal Logic Task Representation [8.180994118420053]
  Nl2Hltl2Planは自然言語コマンドを階層線形時間論理(LTL)に変換するフレームワーク まず、LLMは命令を階層的なタスクツリーに変換し、論理的および時間的関係をキャプチャする。 次に、微調整されたLLMは、サブタスクをフラットな公式に変換し、階層的な仕様に集約する。
  論文  参考訳（メタデータ） (2024-08-15T14:46:13Z)
• Simultaneous Task Allocation and Planning for Multi-Robots under Hierarchical Temporal Logic Specifications [8.471147498059235]
  有限トレース (LTL$_f$) 上で広く使用される仕様型の階層構造を導入する。 HLTL$_f$と呼ばれる結果の言語は、構文とセマンティクスの両方で定義される。 また,マルチロボットシステムの設計計画を合成するための検索ベースアプローチも開発している。
  論文  参考訳（メタデータ） (2024-01-08T16:35:13Z)
• ADaPT: As-Needed Decomposition and Planning with Language Models [131.063805299796]
  As-Needed Decomposition and Planning for Complex Tasks (ADaPT)について紹介する。 ADaPTは、Large Language Modelsがそれらを実行できない場合、複雑なサブタスクを明示的に計画し、分解する。 以上の結果から,ADaPTは強いベースラインを確立した。
  論文  参考訳（メタデータ） (2023-11-08T17:59:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。