多智能体系统执行一致性研究提出CAVERT框架
论文AI 评分 62/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
多智能体系统中，共享记忆记录正确不代表动作符合任务要求。该研究定义了执行一致性，指出相同记录可对应合规或违规执行。移除收据等证据会使82.4%的相反标签对无法区分，恢复证据则能分离97.9%。研究提出CAVERT框架，从日志提取关系并应用判断标准，在全部12个基准设置中诊断表现优于合同提示LLM与基于规则的基线，在4个环境中恢复表现优于规则引导方法。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载执行一致性与证据作用
在多智能体系统中，共享记忆虽能协调动作，但记录正确并不代表动作满足任务要求。记忆治理与故障诊断仅检查记录信息，无法判断其是否足以评估任务职责。该研究定义了执行一致性，涵盖状态使用、信息交接及最终状态一致性的职责，并设定判断履行的明确证据条件。核心发现是，在相同任务规则下，相同的保留记录可对应合规与违规的执行。实验表明，受控移除收据、动作依赖或响应有效性等证据，会让82.4%的相反标签对变得无法区分；而恢复这些证据则能分离97.9%的合并对。
CAVERT框架表现与日志局限
自然对数标注可识别实际执行中的违规，但现有日志并不总能显式表示判断所需的执行关系。为评估定义的实用价值，研究提出CAVERT框架，从日志中提取支持的关系并应用判断标准。在诊断方面，CAVERT在全部12个基准执行器设置中，表现均优于合同提示LLM及基于规则的基线。在恢复方面，在相同的门控与执行器限制下，CAVERT在所有4个评估环境中均优于规则引导的恢复方法。研究指出了智能体记忆与执行接口应保留的执行证据，以实现可靠判断。
为什么值得看
揭示了多智能体记忆正确不等于执行合规，提供CAVERT框架解决诊断与恢复问题。
智能体
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。