レモンア gent アgent 技術報告書

最近の先進的なLLMを動機とする代理人系システムは、複雑で長期間にわたるタスクを破天荒な能力を持っている。一方で、それでもResource Efficiency、Context Management、およびMultimodal Perceptionなどの固有の限界が存在する。これらの観察に基づき、レモンア gent アゲ シンシステムはAgent Cortexフレームワーク上で多代理人協調者・コマンダー構造によって生成されたマルチ代理員協調者ーコマンダー係構文によって作成される。私たちのシステムは、全般的な協调者層とウェーバー層で動的なスケジューリング機構を組み入れる。この手段により、複雑性に基づいて計算強度をダイナミックに調整できるようにし、その結果、協調者全体タスクのコネックティングとウェーバー間のタスク実行の効率的改善をすることができます。我々は3段階の前進的なコンテキスト管理戦略を使用して、並列ステップ間にコンテキストを冗長化し情報を密度豊富にするためです。全体の歴史的な情報を利用可能な自動化された記憶システムによって提案されている新しい記憶構造により、歯車の経験から多面的で価値のある情報を抽出するために。さらに、我々は一進階効果的なMCPツールセットを使用することがあります。レモンアgentが全体的な最高の91. 36%のGAIAの総合的精度に達成し、xbench-DeepSearchのトッププレイヤーとしてxベンチスクーバックを得るための最も高い評価を持つことができます。

arXiv:2602.07092v1 Announce Type: cross Abstract: Recent advanced LLM-powered agent systems have exhibited their remarkable capabilities in tackling complex, long-horizon tasks. Nevertheless, they still suffer from inherent limitations in resource efficiency, context management, and multimodal perception. Based on these observations, Lemon Agent is introduced, a multi-agent orchestrator-worker system built on a newly proposed AgentCortex framework, which formalizes the classic Planner-Executor-Memory paradigm through an adaptive task execution mechanism. Our system integrates a hierarchical self-adaptive scheduling mechanism that operates at both the overall orchestrator layer and workers layer. This mechanism can dynamically adjust computational intensity based on task complexity. It enables orchestrator to allocate one or more workers for parallel subtask execution, while workers can further improve operational efficiency by invoking tools concurrently. By virtue of this two-tier architecture, the system achieves synergistic balance between global task coordination and local task execution, thereby optimizing resource utilization and task processing efficiency in complex scenarios. To reduce context redundancy and increase information density during parallel steps, we adopt a three-tier progressive context management strategy. To make fuller use of historical information, we propose a self-evolving memory system, which can extract multi-dimensional valid information from all historical experiences to assist in completing similar tasks. Furthermore, we provide an enhanced MCP toolset. Empirical evaluations on authoritative benchmarks demonstrate that our Lemon Agent can achieve a state-of-the-art 91.36% overall accuracy on GAIA and secures the top position on the xbench-DeepSearch leaderboard with a score of 77+.