JoyAgent-JDGenie: Informe Técnico sobre GAIA
JoyAgent-JDGenie: Technical Report on the GAIA
October 1, 2025
Autores: Jiarun Liu, Shiyue Xu, Shangkun Liu, Yang Li, Wen Liu, Min Liu, Xiaoqing Zhou, Hanmin Wang, Shilin Jia, zhen Wang, Shaohua Tian, Hanhao Li, Junbo Zhang, Yongli Yu, Peng Cao, Haofen Wang
cs.AI
Resumen
Los Modelos de Lenguaje de Gran Escala se están implementando cada vez más como agentes autónomos para tareas complejas del mundo real, sin embargo, los sistemas existentes a menudo se centran en mejoras aisladas sin un diseño unificador para la robustez y adaptabilidad. Proponemos una arquitectura de agente generalista que integra tres componentes principales: un marco multiagente colectivo que combina agentes de planificación y ejecución con votación de modelos críticos, un sistema de memoria jerárquica que abarca capas de trabajo, semántica y procedimental, y un conjunto refinado de herramientas para búsqueda, ejecución de código y análisis multimodal. Evaluado en un punto de referencia integral, nuestro marco supera consistentemente las líneas base de código abierto y se acerca al rendimiento de los sistemas propietarios. Estos resultados demuestran la importancia de la integración a nivel de sistema y destacan un camino hacia asistentes de IA escalables, resilientes y adaptables, capaces de operar en diversos dominios y tareas.
English
Large Language Models are increasingly deployed as autonomous agents for
complex real-world tasks, yet existing systems often focus on isolated
improvements without a unifying design for robustness and adaptability. We
propose a generalist agent architecture that integrates three core components:
a collective multi-agent framework combining planning and execution agents with
critic model voting, a hierarchical memory system spanning working, semantic,
and procedural layers, and a refined tool suite for search, code execution, and
multimodal parsing. Evaluated on a comprehensive benchmark, our framework
consistently outperforms open-source baselines and approaches the performance
of proprietary systems. These results demonstrate the importance of
system-level integration and highlight a path toward scalable, resilient, and
adaptive AI assistants capable of operating across diverse domains and tasks.