论文页面 - ControlScope: LLM智能体中的工作流修正与可靠性

来源：https://huggingface.co/papers/2609.34313

摘要

语言模型智能体应在多大程度上修改正在运行的工作流？ControlScope对比了三种策略：继续执行已生成的代码、编辑下一个工具调用的数据参数，以及从同一公共执行状态替换未完成的工作流。嵌套的权限机制将可用的修复操作与智能体选择的动作分离开来。我们评估了在文件系统任务、ALFWorld和AppWorld中进行的一次性和重复性审查。针对每个任务的两个源程序和三种推理审查者，在20个文件系统任务中，FULL策略完成15-16个任务，而KEEP策略完成13个；在四个快速绘图任务中，FULL策略完成10-13个，而KEEP策略完成13个。全新的学生记录确认测试复现了批量读取修复的情况。ALFWorld的快速面板测试在52个场景的87个任务中，KEEP/ARG/FULL策略得分为85/86/87，在4个场景的134个任务中得分为134/134/127；对87个任务队列的推理审查也得出85/86/87的分数，但审查成本很高。AppWorld V1官方测试面板（包含来自195个场景模板的585个任务实例）显示出较小的净差异。冻结的重放操作在两次失败的文件组织运行中，揭示了被后续修正中断的可行智能体编写替换方案。离线的源轨迹中点对比显示，后续的审查完成了一个不充分的修复。在20次全新的源运行中，五次调用保护策略节省了19.4%的已记录模型输出，但损失了一次成功。仅参数捷径表明，更广泛的抽样策略可能会忽略在两套操作集中都存在的、成本更低的成功编辑。这些结果将修复访问权限与实际选择及后续执行联系起来。

查看arXiv页面 (https://arxiv.org/abs/2609.34313)查看PDF (https://arxiv.org/pdf/2609.34313)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2609.34313)

在你的智能体中获取此论文： hf papers read 2609.34313

没有最新的CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

无模型链接此论文 在模型的README.md中引用 arxiv.org/abs/2609.34313 以从此页面链接。

引用此论文的数据集0

无数据集链接此论文 在数据集的README.md中引用 arxiv.org/abs/2609.34313 以从此页面链接。

引用此论文的Space0

无Space链接此论文 在Space的README.md中引用 arxiv.org/abs/2609.34313 以从此页面链接。

包含此论文的收藏0

无收藏包含此论文 将此论文添加到收藏 (https://huggingface.co/new-collection) 以从此页面链接。