论文arxiv cs.AI · 2w ago重要

GATS: Graph-Augmented Tree Search with Layered World Models for Efficient Agent Planning

分类释义：学术论文 / 技术报告

TL;DR

GATS 通过三层世界模型（精确符号匹配+执行日志统计+LLM预测）实现零LLM推理调用的规划，100%成功率同时将每次规划成本从37次LLM调用降为0。

关键要点

为什么值得关注

工程师可直接借鉴三层世界模型架构设计自己的Agent系统，大幅降低线上推理成本；创意点是在离线阶段构建领域特定的世界模型库，让常见规划路径完全不依赖LLM实时推理，将LLM调用压缩到只处理新颖/未知场景。

LLM 实时生成MiniMax-M2.7缓存命中

角色	你应该做什么
Tech Lead	评估Agent系统的LLM调用成本结构，识别可被世界模型替换的高频规划路径
应用工程师	参考三层世界模型设计（符号匹配层→统计层→LLM兜底层），重构现有Agent的规划模块
运维 / 平台	新增世界模型库的建设与更新pipeline，监控离线模型命中率与在线LLM调用量的比例
产品 / 业务	暂无直接影响，了解即可

阅读原文 ↗来源：arxiv cs.AI