Verify--Backtrack Loop：长程语言智能体的结构化前置条件恢复

VBL 通过结构化更新规划状态提升长程智能体任务成功率。

资讯摘要

论文提出 Verify--Backtrack Loop（VBL），一种免训练的 ReAct 扩展，将前置条件发现与失败诊断转化为结构化规划状态更新。VBL 用有界目标栈维护任务分解，在目标激活、执行失败或状态变化时，联合验证当前目标是否服务于最终目标、在当前状态下是否可行，并结合带类型的失败归因触发 Push、Pop、重试或 BacktrackTo 父目标。作者在 AppWorld、ALFWorld、ScienceWorld 上用 Qwen3.5-9B、GPT-4o、DeepSeek-V3.2 评测，报告各组合均优于 ReAct 与反思类控制方法，AppWorld 任务成功率最高提升 22.07 个百分点；消融显示去掉验证或诊断都会使性能下降。

要点速读

1. VBL 是免训练的 ReAct 扩展，用有界目标栈和双视野验证管理规划状态。
2. 失败归因带类型，触发 Push、Pop、重试或 BacktrackTo 父目标等显式操作。
3. 作者报告在三个基准与三个骨干模型的组合上均优于 ReAct 和反思方法，AppWorld 最高提升 22.07 个百分点。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。