注册

VBL：无需训练的结构化回溯方法提升长程语言智能体任务成功率

论文AI 评分 72/100arXiv cs.AI
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。

论文提出 Verify--Backtrack Loop（VBL），一种无需训练的 ReAct 扩展方法。它把任务分解维护为有界目标栈，在目标激活、执行失败或状态变化时，同时判断当前目标是否服务于最终目标、在当前状态下是否可行，并结合带类型的失败归因，触发 Push、Pop、重试或回退到父目标等操作。作者用 Qwen3.5-9B、GPT-4o、DeepSeek-V3.2 在 AppWorld、ALFWorld、ScienceWorld 上评测，VBL 在每个骨干模型与基准组合上都优于 ReAct 和基于反思的控制方法；在 AppWorld 上任务成功率相对 ReAct 最高提升 22.07 个百分点。消融实验显示，去掉验证或诊断任一机制都会使性能下降，部分设置甚至低于 ReAct。

全文梳理

AI 摘要依据下方信源原文自动整理，非原文转载

问题定位在恢复而非长度

论文指出，语言智能体在交互环境中执行长程任务时，动作往往依赖隐含前提。作者认为核心难点在于恢复：当某个前提缺失或早先的任务分解失败时，换一个看似合理的动作通常无济于事。ReAct 以及后续的反思、自适应规划方法支持局部纠错，但把恢复过程表达为自由文本，缺少显式控制状态来关联最终目标、当前活动目标与失败来源。VBL 的出发点正是把这一层控制状态显式化。

目标栈与双视野校验

VBL 把任务分解维护成一个有界的目标栈，并在三种时机触发检查：目标被激活、执行失败、材料状态发生变化。检查内容是同时判断两个视野：当前活动目标是否对最终目标有贡献，以及它在当前状态下是否可行。双视野判断与带类型的失败归因结合后，驱动四种显式操作：Push、Pop、retry，以及 BacktrackTo 父目标。与把纠错写成自由文本的做法相比，这套机制让规划状态的修改有明确的结构和触发条件。

多骨干多环境评测结果

作者在 AppWorld、ALFWorld、ScienceWorld 三个环境上，用 Qwen3.5-9B、GPT-4o、DeepSeek-V3.2 三个骨干模型进行对比。结果显示，VBL 在每一组骨干与基准的搭配上都优于 ReAct 和基于反思的控制方法；在难度较高的 AppWorld 上，任务成功率相对 ReAct 最多提升 22.07 个百分点。消融实验进一步表明，验证与诊断两个机制缺一不可：去掉任意一个都会导致性能下降，在若干设置中甚至低于 ReAct，说明二者互补。作者据此认为，可靠的长程交互需要修改规划状态，而不只是挑选下一个动作。

为什么值得看

长程智能体失败常源于前提缺失而非路径太长，VBL 给出可复用的结构化恢复机制，并附带多骨干、多环境对比数据。

DeepSeekGPTQwen智能体论文

信源1 家

  1. [1]arXiv cs.AI一手信源Verify--Backtrack Loop: Structured Precondition Recovery for Long-Horizon Language Agents

关键事实

  • VBL 是 ReAct 的无训练扩展，将前提发现与失败诊断转化为结构化的规划状态更新[1]

  • 方法维护有界目标栈，在目标激活、执行失败或材料状态变化时做双视野校验[1]

  • 评测使用 Qwen3.5-9B、GPT-4o、DeepSeek-V3.2 三个骨干模型[1]

  • 在 AppWorld 上相对 ReAct 的任务成功率提升最高达 22.07 个百分点[1]

  • 消融显示去掉验证或诊断任一环节性能下降，部分设置低于 ReAct[1]

相关 · 论文

清华姚期智团队提出代数世界模型AWM，ARC-AGI-3全关卡通关

11月1日 周日·AI 78

新芯航途发布X7 Ultra芯片，700TOPS，用Momenta世界模型做评测

10月31日 周六·AI 72

LSA 稀疏注意力方法：百万级上下文下提速最高 72.4 倍

10月31日 周六·AI 78

ID-WM 分层世界模型提出，长程任务性能提升 135%

10月31日 周六·AI 72

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。

去论坛讨论