dag

介绍 ReasoningFlow，一个将大语言模型推理轨迹的篇章结构捕获为有向无环图的框架，从而能够细粒度分析推理行为（如自我反思和回溯）。基于对数千条轨迹的手动和自动标注，揭示了模型之间的结构相似性，并且大多数错误步骤并不贡献于最终答案。

Yacine进行了一次1.5小时的深度访谈，与Paradigma创始人讨论如何将DAG（有向无环图）作为自主科研的底层基础设施，涵盖Agent运行、大型公开DAG构建、避免坏DAG等核心主题。

访谈讨论了使用DAG进行自动研究的基础设施，包括智能体如何执行DAG以及如何构建大型公共DAG。

PACER 是一个新的可扩展框架，用于从大规模干预数据中进行因果发现，其设计保证了无环性，在包含数千个变量的基准测试中，比基于惩罚的方法实现了高达两个数量级的加速。

GraphBit是一种基于图的代理框架，采用Rust引擎实现确定性DAG编排，消除了幻觉和无限循环。在GAIA基准测试中，它达到了67.6%的准确率，且零框架诱导错误、低延迟。

SPIN 是一个规划包装器，确保结构有效的有向无环图（DAG）规划，并使用基于前缀的执行控制来减少工业 LLM 代理系统中的任务步骤和工具调用，从而提高规划的有效性和效率。