GraphAgent

Los datos del mundo real se representan en formatos tanto estructurados (por ejemplo, conexiones de grafos) como no estructurados (por ejemplo, información textual, visual), abarcando relaciones complejas que incluyen enlaces explícitos (como conexiones sociales y comportamientos de usuarios) y dependencias implícitas entre entidades semánticas, a menudo ilustradas a través de grafos de conocimiento. En este trabajo, proponemos GraphAgent, una tubería de agentes automatizada que aborda tanto las dependencias explícitas de grafos como las interdependencias semánticas mejoradas por grafos implícitos, alineándose con escenarios de datos prácticos para tareas predictivas (por ejemplo, clasificación de nodos) y tareas generativas (por ejemplo, generación de texto). GraphAgent consta de tres componentes clave: (i) un Agente Generador de Grafos que construye grafos de conocimiento para reflejar dependencias semánticas complejas; (ii) un Agente de Planificación de Tareas que interpreta diversas consultas de usuarios y formula tareas correspondientes a través de auto-planificación agente; y (iii) un Agente de Ejecución de Tareas que ejecuta eficientemente las tareas planificadas mientras automatiza la coincidencia e invocación de herramientas en respuesta a las consultas de los usuarios.