arXiv cs.AI· Genliang Zhu, Xiaobo Chen, Ziyuan Wang, Chu Wang·· 1 天前AI 评分31
面向工具结果模糊与部分执行的 AI 智能体证据引导恢复方法
Evidence-Guided Recovery for AI Agents with Ambiguous Tool Outcomes and Partial Execution
AI 导读
研究提出证据引导的任务恢复方法，应对工具超时导致的模糊结果与部分执行，通过共享可接受性检查处理密钥过期、授权时序与依赖关系，并用终态证书区分真实目标达成与公开支持的安全完成。在 19 个任务家族的 58 个配对单元中，规划建议认证 30 次完成，证据提示仅 9 次，相差 36.2 个百分点（精确家族符号翻转 p=0.0078），提案数 272 对 399，全部 116 条轨迹通过独立重放。
正文 · AI 翻译
摘要：工具超时可能使 AI 智能体面临模糊的工具结果和部分执行：某个操作可能已经失败、已提交或仍在进行中，而其他工作流步骤已经完成。我们将证据引导的任务恢复形式化，基于已批准的义务、提供方能力以及与公开证据兼容的状态。共享的可接受性检查处理密钥过期、授权时序、依赖关系和残余效应；终止证书将实际目标满足与公开支持的安全完成区分开来。已知模型实现将标准的观察条件规划与单独实现的效应历史裁决器相结合。在一项包含 37 个任务的有限研究中，规划与三个主动对照各自认证 28 次完成；四个节省的合成费用单位会产生额外计算。随后，一项预注册的、按任务留出的比较使用两个本地模型包评估规划建议与证据提示。在 19 个先前开发的任务族中的 58 个配对单元上，建议认证 30 次完成，而对照为 9 次，相差 36.2 个百分点（精确族符号翻转 p=0.0078），使用 272 个提议对 399 个提议。所有 116 条轨迹均通过独立重放。两个模型均表现出正向的完成差异。该比较在共同防护下测量所评估的建议接口；搜索与规则建议需要单独的匹配比较。未知结果和交接结果保持显式，保证与声明的提供方能力挂钩，而不是与任意的第三方恰好一次执行挂钩。
| 评论： | 24 页、1 幅图和 10 张表。包括一个有限恢复模型、一项面向模型的确认研究（含两个本地模型包）、独立重放，以及明确的提供方能力范围 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.41453 [cs.AI] |
| （或 arXiv:2610.41453v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.41453 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Chu Wang [查看电子邮件]
[v1]
2026 年 10 月 30 日星期五 08:55:55 UTC（36 KB）
来源：arXiv cs.AI · arxiv.org