提交前验证：通过自审计实现大语言模型智能体的忠实推理

在大语言模型智能体中，推理轨迹常被视为指导行动和更新记忆的可靠内部信念。然而，连贯的推理仍可能违反逻辑或证据约束，导致 unsupported 信念被重复存储并传播，引发长期行为漂移。现有策略多依赖共识机制，混淆了一致性与忠实性。本文提出自审计验证推理（SAVeR）框架，通过在行动提交前对内部信念状态进行强制验证来实现忠实推理。该方法生成基于角色的多样化候选信念，并通过对抗性审计定位违规，利用约束引导的最小干预进行修复。实验表明，该方法在保持任务性能的同时显著提升了推理忠实性。