TIDE: Проактивное обнаружение множественных проблем с помощью шаблонно-управляемой итерации

Аннотация

Агенты широко применяются в качестве ассистентов для работы с документами, инструментами и кодом. Однако они, как правило, действуют только по явным запросам пользователя, которые выявляют лишь те проблемы, которые пользователь уже заметил, тогда как множество других важных проблем остаются незамеченными, скрытыми на виду в более широком контексте пользователя, причем их общее количество заранее неизвестно. Мы формулируем эту задачу как обнаружение множества скрытых проблем из контекста, при котором сосуществующие проблемы должны быть выявлены, обоснованы подтверждающими доказательствами и дополнены конкретными действиями. Для этого мы представляем TIDE — итеративный фреймворк на основе шаблонов с двумя взаимодополняющими механизмами. В частности, исходя из наблюдения, что однопроходное прогнозирование фокусируется на наиболее заметных случаях и приводит к общим утверждениям, мы предлагаем итеративное обнаружение, которое на каждом раунде представляет небольшой пакет кандидатов с учетом уже найденного, так что последующие раунды расширяют охват; а также шаблоны рассуждений — многоразовые схемы, извлеченные из ранее решенных примеров, которые указывают, на какие контекстные сигналы обращать внимание и как их связывать, привязывая каждое предсказание к узнаваемому классу проблем. Мы валидируем TIDE на двух реалистичных сценариях — персональные рабочие пространства и репозитории программного обеспечения — с использованием четырех базовых моделей, демонстрируя существенные улучшения по сравнению с однократными и параллельными мультиагентными базовыми подходами в охвате задач, их выявлении и решении.

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.