Исследователи из Google, Технологического института Джорджии и Пекинского университета представили фреймворк Procedural Graphs для структурирования знаний в виде редактируемых графов. Работа, опубликованная на arXiv 8 сентября, описывает метод, помогающий ИИ-агентам выполнять многоэтапные задачи без потери контекста.
Система организует процессы в виде триплетов из процедуры, отношения и процедуры. Механизм локализации определяет текущий активный узел, а модель навигации дает агенту точные советы на основе локального подграфа. Это позволяет заменить общие инструкции конкретными указаниями для каждого шага.
Графы способны к самообучению через механизм эволюции, который анализирует успешные и неудачные попытки. ИИ-рефайнер одобряет только те изменения, которые доказанно повышают эффективность. Авторы отмечают, что такой подход позволяет создавать структуры, не уступающие по качеству ручной разработке.
Метод протестировали на семи бенчмарках с использованием четырех моделей, включая Gemini 3.1 Pro и Claude Sonnet 4.6. Фреймворк занял первое или разделенное первое место в 21 из 24 тестов. В бенчмарке BFCL v3 использование графов улучшило показатели вызова функций на 9 процентных пунктов.
В корпоративных симуляциях выживаемость агентов при выполнении длинных задач выросла с 6% до 34%. В частности, модель Gemini 3.1 Pro показала рост на 28 процентных пунктов в EnterpriseArena, где проверяется способность агентов справляться с многоступенчатыми бизнес-процессами.
