ControlScope：大模型智能体工作流动态修正与可靠性评估

研究人员提出大语言模型智能体工作流动态修正评估框架 ControlScope，系统探究了智能体在运行中修改执行流程的权限范围与执行可靠性权衡。

• 框架对比了直接继续执行、修改下一个工具调用的参数以及替换未完成工作流等不同权限层级的修正策略。
• 在文件系统任务中，完整工作流重写策略（FULL）在推理审查下完成了 15 至 16 项任务，优于不修正策略（KEEP）的 13 项，但过度的后续审查会中断原本可行的高质量代码替换。
• 在 ALFWorld 和 AppWorld 基准测试中，不同修正策略带来的净收益差异较小，且深度推理审查伴随显著的计算成本开销。
• 实验表明仅修改参数的轻量策略有时被范围更广的策略忽略，而设置 5 次调用保护机制在减少 19.4% 模型输出开销的同时仅损失少量成功率。
• 影响/看点：该研究表明扩大智能体的自我修正权限并不必然提升任务成功率，合理的权限边界控制与触发机制是优化智能体工作流执行效率与稳定性的前提条件。
• 资料依据:
• arXiv（2026-09-28）：https://arxiv.org/abs/2609.34313
• Hugging Face（2026-09-28）：https://huggingface.co/papers/2609.34313

本内容由 AI 生成，仅供参考，请注意甄别