# DAGent深度研究智能体框架

DAGent 提出 Evaluate-then-Grow 增量规划：由 Orchestrator 依据已完成节点回报的置信度与不确定性信号，一次一批地生长任务 DAG，并配合分层上下文层（默认传播紧凑 QueryDoc、按需回取完整执行轨迹）与 DAG 条件化强化学习 DAGRPO（拓扑条件信用分配加结构合规正则），在 BrowseComp-Plus、GAIA、xbench-DeepSearch 上于 Qwen3-235B-A22B 规模超过最强开源基线 5.3/5.8/2.0 分，在 Qwen3-8B 规模上比同预算的纯结果 GRPO 基线平均 Pass@1 高 3.0 分，并在同架构对比中以更低的每任务 token、工具调用与步数取得更高

DAGent 提出 Evaluate-then-Grow 增量规划：由 Orchestrator 依据已完成节点回报的置信度与不确定性信号，一次一批地生长任务 DAG，并配合分层上下文层（默认传播紧凑 QueryDoc、按需回取完整执行轨迹）与 DAG 条件化强化学习 DAGRPO（拓扑条件信用分配加结构合规正则），在 BrowseComp-Plus、GAIA、xbench-DeepSearch 上于 Qwen3-235B-A22B 规模超过最强开源基线 5.3/5.8/2.0 分，在 Qwen3-8B 规模上比同预算的纯结果 GRPO 基线平均 Pass@1 高 3.0 分，并在同架构对比中以更低的每任务 token、工具调用与步数取得更高