.png){kind=icon}
返回
A Closed-Loop Modular Language Agent with Step Verification and Local Correction for Multi-Step Task Solving
.png){kind=icon}
OA
AI
DOI：10.3390/electronics15102011.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多步任务求解中，大型语言模型在智能电子系统和交互环境中的应用需要更强的过程控制和执行可靠性。为解决多步执行中的局部错误累积问题，本文提出了一种闭环模块化语言代理框架，整合了任务规划、动作执行、步骤验证、局部重生和重规划。进一步引入了一种过程监督数据构建方法，其中保留真实执行步骤作为有效样本，并通过动作替代、输入扰动、观察替换和子目标不匹配自动合成无效样本，为有效性预测提供步骤级监督。在所提框架中，步骤验证作为过程级控制信号，支持通过局部重生和重规划实现分层恢复，而非作为独立的过滤模块。实验在数学推理和网页交互任务上进行。在数学推理任务中，所提框架的准确率达到0.650，而集成训练、CoT训练、ReFT和Agent Lumos分别为0.317、0.460、0.568和0.617。在网页交互任务中，所提框架的步骤成功率达到0.424，而集成训练和Agent Lumos分别为0.246和0.310。在触发恢复的情况下，局部重生在85.7%的重生尝试中成功，重规划在53.3%的重规划尝试中成功。结果表明，所提框架提高了多步任务求解中的过程稳定性和恢复能力。
Keyword:
closed-loop language agent
multi-step task solving
step verification
local correction
process supervision
large language models
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
2.6
论文数:
1.0W
被引数:
4.7W
机构
.png){kind=icon}
