大型语言模型越来越多地被部署为长远规划并通过外部工具行事的代理。大多数客服代表在累积的历史中通过无约束的生成来选择行动，从而隐式地知道该做什么、按什么顺序做什么以及在什么条件下做什么。随着轨迹的延长，客服代表可能会失去对其目标的跟踪，调用工具或

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2609.09153v1)获取最准确的信息。

---
🔗 **原文链接**: [Procedural Graphs: Self-Evolving Execution Structures for LL](https://arxiv.org/abs/2609.09153v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Yuxing Lu, Yicheng Chen, Shanchan Wu, Sercan Ö. Arık

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。
Agent是2026年最卷的方向，没有之一。这篇文章的实操经验够硬。
建议收藏，做Agent开发的时候拿出来翻翻。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-09-09 14:01