Trajectory Graph Error Diagnosis Long-horizon Tasks Agent Planning
摘要

针对大语言模型智能体在长程交互任务中因动作空间复杂而易产生累积错误的问题,本文提出“轨迹图副驾驶”框架。该方法受软件调试启发,将历史轨迹建模为概率图,利用图神经网络识别导致失败的序列动作模式。作为主动诊断沙盒,它在动作执行前预警潜在错误并促使智能体自我修正,从而避免昂贵失误。实验表明,该方法在多个基准测试中显著提升了长程任务的完成率和成功率。

AI 推荐理由

论文核心在于通过预执行诊断优化长程任务轨迹,防止规划错误累积,直接提升任务规划成功率。

研究机构
Florida International University, Miami, FL, USA Arizona State University, Tempe, AZ, USA NEC Laboratories America, Princeton, NJ, USA Singapore Management University, Singapore
论文信息
作者 Xu Zheng, Zhuomin Chen, Chaohao Lin, Hua Wei, Haifeng Chen et al.
发布日期 2026-07-29
arXiv ID 2607.27443
相关性评分 9/10 (高度相关)