摘要
大型语言模型(LLM)智能体日益承担需要持续推理、工具使用和修正的长周期任务。然而,现有框架将任务执行、状态和维护置于不断增长的上下文中,导致状态难以追踪且错误评估易传播。本文将其重构为任务状态管理问题,提出LongHorizon-Harness,在外部显式维护仅由环境独立验证的事实。其管理的执行审计(MEA)循环利用管理器维护状态并确定下一步,新鲜上下文执行器执行任务,只读审计员验证结果。该方法在不同模型和基准上显著提升了性能。
AI 推荐理由
论文核心解决长周期任务中的状态管理与子任务规划问题,提出MEA循环以优化多步计划执行。
研究机构
DreamX Team, Alibaba Group
Project lead
论文信息