摘要
针对大模型代理在多轮对话中因“注意力锁存”导致的目标偏离问题，本文提出自合成推理协议（SSRP）。该元认知框架将高层架构规划与单步程序执行离散分离，有效克服历史上下文对任务更新的压制。通过在多数据集上的实验，SSRP 显著提升了代理在复杂约束下的鲁棒性，解决了无状态基线模型在长程任务中成功率崩溃的难题，并形式化了注意力稳定性边界。
AI 推荐理由
提出架构级规划与执行分离框架，核心解决多步任务中的目标导向失效问题。
研究机构
University of Waterloo
Canada
论文信息