# Samodzielna nawigacja drzewa stanów agenta

EN: **Agent self-navigation in checkpointed search trees** · id `treeflex` · aliases: agent search-tree self-navigation, checkpointed agent search, nawigacja drzewa stanów agenta, nawigacja drzewa wyszukiwania agenta

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Aplikacje LLM i agenci](https://aiatlasgraph.com/t/applications.md) › [Agenci i orkiestracja](https://aiatlasgraph.com/t/agentsnode.md) › Samodzielna nawigacja drzewa stanów agenta

## Description

- PL: Technika, w której agent zapisuje stany pośrednie jako drzewo i sam wybiera węzeł do wznowienia, rozdzielając refleksję nad drzewem od wykonania narzędziowego.
- EN: A technique in which an agent saves intermediate states as a tree and chooses which node to resume, separating tree-level reflection from tool execution.

## In one sentence

- PL: Agent zapisuje postępy jako węzły drzewa i sam wybiera, do którego wrócić, żeby kontynuować pracę.
- EN: An agent saves progress as tree nodes and chooses which one to resume for continued work.

## Problem it solves

- PL: Długie zadanie gubi się w jednym kontekście, bo stare próby i błędy zajmują miejsce i zasłaniają ważne ślady.
- EN: A long task gets lost in one context as old tries and errors fill space and hide useful traces.

## What it does

- PL: Model w roli refleksji widzi podsumowania wszystkich węzłów i wskazuje, który wznowić oraz z jaką instrukcją; wykonanie przywraca stan i działa narzędziami.
- EN: The model in reflection role sees summaries of all nodes and picks which to resume with an instruction; execution restores the state and uses tools.

## Everyday example

- PL: Przy naprawie błędu w kodzie agent wraca do wcześniejszego punktu, gdy nowa zmiana psuje testy, zamiast zaczynać od nowa.
- EN: When fixing a code bug, the agent returns to an earlier point after a change breaks tests, instead of starting over.

## This concerns you if you…

- PL: zlecasz asystentowi zadania wymagające wielu prób i poprawek
- PL: chcesz, by asystent sam wybierał, którą ścieżkę kontynuować
- EN: give an assistant tasks needing many tries and fixes
- EN: want the assistant to choose which path to continue

## Keywords

TreeFlex · tree-aware GRPO · agent search tree · reflection execution roles · context navigation · checkpoint cards · SWE-bench Verified · BrowseComp-Plus

## How it works

- PL: Uprząż zapisuje każdy stan pośredni jako węzeł z krótkim podsumowaniem, kontekstem i stanem środowiska. Model w roli refleksji przegląda podsumowania i wybiera węzeł oraz instrukcję. W roli wykonania przywraca ścieżkę do węzła i realizuje instrukcję narzędziami, zapisując nowy węzeł lub proponując rozwiązanie do zatwierdzenia. Trening obu ról odbywa się end-to-end za pomocą wariantu GRPO świadomego drzewa, z nagrodami za wynik zadania i kary procesowe.
- EN: The harness saves each intermediate state as a node with a short summary, context and environment state. The model in reflection role reviews summaries and selects a node plus instruction. In execution role it restores the path and carries out the instruction with tools, saving a new node or proposing a solution for approval. Both roles train end-to-end with a tree-aware GRPO variant using task rewards and process penalties.

## Limits

- PL: Dotychczasowe eksperymenty obejmowały modele 4B i 9B, po jednym uruchomieniu każdej konfiguracji, a porównywane systemy różniły się promptami i interfejsami narzędzi. Dodatkowe, sekwencyjne segmenty nawigacji zwiększają opóźnienie; trening nie nagradza bezpośrednio efektywności.
- EN: Experiments so far used 4B and 9B models with one run per configuration, while compared systems differed in prompts and tool interfaces. Extra sequential navigation segments increase latency, and training has no direct efficiency reward.

## Key terms

- PL: **węzeł drzewa**: Zapisany stan pośredni z podsumowaniem i możliwością wznowienia.
- PL: **rola refleksji**: Widok globalny podsumowań i wybór węzła do wznowienia.
- PL: **rola wykonania**: Przywrócenie stanu i działanie narzędziami na wybranej ścieżce.
- EN: **tree node**: Saved intermediate state with summary and resume option.
- EN: **reflection role**: Global view of summaries and choice of node to resume.
- EN: **execution role**: Restore state and act with tools on the chosen path.

## Know first

- [Uprząż agenta (Agent harness)](https://aiatlasgraph.com/t/agentharness.md)
- [GRPO i warianty bez krytyka (GRPO and critic-free policy optimization)](https://aiatlasgraph.com/t/grpo.md)

## Sources

- [TreeFlex: Agents Navigating Their Own Search Trees](<https://arxiv.org/abs/2610.20334>) `treeflex-arxiv-2610.20334` · by Dongzhuo Li, Fangzhou Cheng, Weiwei Li, Kevin Han, Haixu Ma, Zhongchang Sun, Ruiyi Li, Serena Li, Xiangjun Fan, Lizhu Zhang, Yuandong Tian

---

AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/treeflex · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30