ACCORD：面向语言智能体的动作条件化情境 grounding

用户指令常因隐含假设而表述不足，LLM 智能体需从当前工具、数据及观察中恢复缺失上下文。现有智能体常基于假设而非观测行动，忽略关键信息。为此，本文提出 ACCORD 框架，通过在每次行动前主动探测环境缺失信息并整合轨迹中相关上下文，实现自适应情境 grounding。该方法无需额外训练，在 AppWorld 基准上将任务完成率显著提升最高达 20.6%，并在多个模型及具身基准 AlfWorld 上验证了有效性。