超越记忆：利用显式信念状态构建长程任务智能体
大型语言模型（LLM）智能体已能执行日益复杂的任务，但仅保存交互历史并不能保证其连贯地理解当前情况。本研究提出 PoS，这是一种推理时框架，可构建并持续维护显式信念状态，作为智能体的决策上下文。每个状态结合对当前世界状况的估计与尚未解决的任务要求。PoS会验证状态一致性，并检测智能体持续行动却未取得实质进展的“信念陷阱”。系统会根据陷阱模式和未解决的要求定制恢复策略。在四项基准测试中，PoS搭配三种LLM骨干模型均取得最高综合表现。消融实验和上下文扩展实验显示，一致性验证与针对性恢复发挥了重要作用。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。