论文信息

  • 类型：arxiv
  • 标识：2511.01633
  • 链接：https://arxiv.org/abs/2511.01633
  • 主题：agent, engineering, evaluation, llm-infra, rag, risk
  • 主分类：agent
  • 形态：method
  • 被引：7
  • 被引来源：Semantic Scholar
  • S2被引：7
  • OpenAlex被引：0
  • 影响力被引：0
  • TLDR：GLM decomposes reasoning into specialized agents for classification, reasoning, action generation, and graph retrieval, enabling branching and selective context sharing to reduce prompt length and reasoning iterations while preserving reasoning quality, thereby improving accuracy and reducing overall token consumption.
  • OpenAlex ID：W4416437602
  • OpenAlex DOI：10.48550/arxiv.2511.01633
  • DOI：10.48550/arxiv.2511.01633
  • DOI来源：OpenAlex
  • 开放获取：green
  • 开放获取链接：https://arxiv.org/pdf/2511.01633
  • OpenAlex更新：2026-08-23
  • TLDR中文：GLM 将推理分解为分类、推理、动作生成与图检索等专用 Agent，支持分支化与选择性上下文共享，在保持推理质量的同时降低 prompt 长度与推理迭代次数，从而提升准确率并减少整体 token 消耗。
  • 待LLM分类：否
  • 来源文件：
  • /inbox/flyp/2026-06-16-agent-long-context.md
  • [S2 enrich]
  • [OpenAlex backfill]

可复用信息

    • Substack 线索：1 条
  • 论文信息
    • 标题: Scaling Graph Chain-of-Thought Reasoning: A Multi-Agent Framework with Efficient LLM Serving
    • 时间: 2025-11-03
    • 机构: 南京大学、阿里巴巴等
    • 代码: 待补查（arXiv 未明确链接）

写作用途

  • 可放入 RAG / 知识库 / 检索增强相关工作的对比段。
  • 可用于 Agent 架构、记忆、工具调用或多智能体研究背景。
  • 可用于系统实现、实验平台或工程约束说明。
  • 可用于局限性、风险、失效模式和未来工作。

待补齐

  • BibTeX / 正式引用格式
  • 方法与实验设置细节
  • 与现有工作的差异点
  • 是否有代码和数据集