跳到正文
arXiv cs.AI· Luyao Wang, Xijun Zhu, Zhaohui Hao, Xiwen Zhang, Xingyu Wen, Weishan Li, Yuyang Liao, Yanqin Gao, Yongsheng Du, Lingjun Huang, Shaowei Zhao, Gang Li, Qifan Yu, Baoli Wang·· 4 小时前精选AI 评分65

Co-Sight Harness:用外部化控制资产和确定性执行提升长程业务智能体可靠性

Co-Sight Harness: Externalized Control Assets and Deterministic Enforcement for Long-Horizon Business Agents

AI 导读

arXiv 论文(2611.17696)提出 Co-Sight Harness 方法,在不更换语言模型的前提下,把工作流定义、状态和领域知识外部化为可版本化的控制资产,用状态机和机器可校验的验收门在执行中强制约束,并由独立审计器评估轨迹,资产更新需回归检查与人工批准。

推荐理由

论文提出不改模型、靠外部化控制资产与确定性执行提升长程业务智能体可靠性,并给出三个超200步真实工作流的量化结果。

正文 · AI 翻译

作者:Luyao Wang、Xijun Zhu、Zhaohui Hao、Xiwen Zhang、Xingyu Wen、Weishan Li、Yuyang Liao、Yanqin Gao、Yongsheng Du、Lingjun Huang、Shaowei Zhao、Gang Li、Qifan Yu、Baoli Wang

查看 PDF HTML(实验性)

摘要:长周期的业务工作流有两种失败方式:随着活动链变长,误差不断累积;活动所需的知识所用的词汇与用户请求的词汇不同。我们研究能否在不改变语言模型的情况下使这类工作流变得可靠。我们的方法保持骨干模型不变,将工作流定义、状态和领域知识移至模型之外的版本化控制资产中。状态机和机器可校验的验收门在执行期间强制执行这些资产;由独立审计器对产生的执行轨迹评分。这些资产只有在回归检查和人工批准之后才会更新。我们在三个已部署的、超过 200 步的工作流上评估了该方法。在领域 A 中,一个包含 120 个案例的端到端评估集显示无人值守完成率从 50% 提升到 100%,检索召回率从 56% 提升到 91.67%,端到端延迟从 440 分钟降至 159 分钟,情景分析召回率从 45% 提升到 93%。另外两个领域由未编写这些资产的团队接管,一个用时四天,一个用时七天。受控消融实验区分了两种失败来源。代码可在 this https URL 获取。
学科分类: 人工智能 (cs.AI)
引用格式: arXiv:2611.17696 [cs.AI]
  (本版本请使用 arXiv:2611.17696v1 [cs.AI])
  https://doi.org/10.48550/arXiv.2611.17696

arXiv 通过 DataCite 签发的 DOI(注册中)

提交历史

来自:Xiwen Zhang [查看邮件]
[v1] 2026年11月13日 星期五 03:21:33 UTC(2,322 KB)

来源:arXiv cs.AI · arxiv.org