TIDE: Descubrimiento Proactivo de Múltiples Problemas mediante Iteración Guiada por Plantillas

Resumen

Los agentes se implementan ampliamente como asistentes sobre documentos, herramientas y código. Sin embargo, típicamente actúan solo ante solicitudes explícitas del usuario, que evidencian únicamente los problemas que el usuario ha notado, mientras que muchos otros problemas importantes coexisten, ocultos a simple vista, dentro del contexto más amplio del usuario, con un número total desconocido de antemano. Enmarcamos esto como la tarea de descubrir múltiples problemas ocultos a partir del contexto, en la cual deben descubrirse problemas coexistentes, fundamentarse en evidencia de apoyo y vincularse con acciones concretas. Con este fin, presentamos TIDE, un marco iterativo guiado por plantillas con dos mecanismos complementarios. Específicamente, motivados por la observación de que la predicción de una sola pasada se centra en los casos más sobresalientes y produce afirmaciones genéricas, proponemos el descubrimiento iterativo, que extrae un pequeño lote de candidatos por ronda mientras condiciona lo ya descubierto, de modo que las rondas subsiguientes amplíen la cobertura; y plantillas de pensamiento, esquemas reutilizables destilados de casos resueltos previamente que especifican qué señales contextuales atender y cómo conectarlas, anclando cada predicción en una clase de problema reconocible. Validamos TIDE en dos entornos realistas, espacios de trabajo personales y repositorios de software, utilizando cuatro modelos base, mostrando ganancias sustanciales sobre las líneas base de un solo paso y multiagente paralelas en cobertura, identificación y resolución de tareas.

English

Agents are widely deployed as assistants over documents, tools, and code. However, they typically act only on explicit user requests, which surface only the problems the user has noticed, while many other important problems coexist, hidden in plain sight, within the broader user context, with their total number unknown in advance. We frame this as the task of discovering multiple hidden problems from context, in which coexisting problems should be uncovered, grounded in supporting evidence, and paired with concrete actions. To this end, we introduce TIDE, a template-guided iterative framework with two complementary mechanisms. Specifically, motivated by the observation that single-pass prediction anchors on the most salient cases and yields generic claims, we propose iterative discovery, which surfaces a small batch of candidates per round while conditioning on what has already been found, so subsequent rounds extend coverage; and thought templates, reusable schemas distilled from previously solved cases that specify what contextual signals to attend to and how to connect them, anchoring each prediction in a recognizable problem class. We validate TIDE on two realistic settings, personal workspaces and software repositories, across four model backbones, showing substantial gains over single-shot and parallel multi-agent baselines on task coverage, identification, and resolution.