BRIA 通过执行引导在大规模工具库中实现分支式工具使用

BRIA 提出分支探索、检视与采纳机制，在包含 1897 个工具的大规模库中，平均 claim 分数达 89.77，较 MCP-Zero 提升 14.37 个百分点。 该智能体使用三种语言模型，在 PlanBench-XL 和 MCP-Atlas 上评估，并在任务性能与输入 token 成本间处于 Pareto 前沿。