FlowAgent：将工具链重构为连续流的智能体推理框架

针对现有 LLM 工具调用逐步式范式缺乏全局视角、长程误差累积且难以泛化到未见工具的问题，研究者提出 FlowAgent，将工具链重构为语义空间内的连续轨迹生成，并利用条件流匹配生成连续隐轨迹以提供全局规划视角。该工作还提出首个面向动态真实环境的计划级闭环基准，理论上给出了效用收敛的正式边界并证明连续形式可保证鲁棒泛化与误差衰减。该成果已被 NeurIPS 2026 接收。