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
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