智能体执行框架的设计与跨域评测

作者提出一种智能体执行框架，将原始目标与可修订计划和执行记录分离，由规划者分配任务、执行者产出结果、审查者对照原始请求检查后再提交。在 Terminal-Bench 2.1 上该框架通过 89 个实例中的 83 个（93.26%）；HealthBench Professional 上 Fable 配置在 525 个任务上取得长度调整后 69.63 的评分。