Safe, Persistent, and Evolving Agent Harness for Understanding Partially Observable Worlds

📄 arXiv: 2610.11552v1 📥 PDF

作者: Yisen Gao, Yue Guo, Qing Zong, Yiwen Guo, Yangqiu Song

分类: cs.AI

发布日期: 2026-10-08

🔗 代码/项目: GITHUB

💡 一句话要点

提出E-Ledger与WorldAbduct以解决部分可观测世界中的安全执行问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 部分可观测性 多代理系统 安全执行 推理机制 企业工作流 动态状态管理 隐藏规则 框架演化

📋 核心要点

  1. 现有方法在企业工作流中面临的挑战包括工具选择、政策遵循和状态跟踪等问题，导致执行不安全和效率低下。
  2. 本文提出的E-Ledger通过代码审批层和世界账本来确保每个行动符合政策，并通过WorldAbduct推理潜在的隐藏规则。
  3. 在World of Workflows基准测试中，E-Ledger结合WorldAbduct显著提高了任务完成率，实验结果显示提升幅度为5-15个百分点。

📝 摘要（中文）

大型语言模型代理能够流畅地调用工具，但企业工作流程不仅需要选择正确的工具，还必须严格遵循组织政策。工具反馈常常在部分可观测性下隐藏副作用，长时间任务需要跨多个记录进行持久状态跟踪。为了解决这些挑战，本文提出了E-Ledger，一个用于安全和持久执行的多代理框架。E-Ledger采用代码审批层，在执行前检查每个提议的行动是否符合政策，并维护一个包含经过验证的隐藏规则和证据支持的动态状态的世界账本。由于隐藏规则通常是未知的，本文进一步提出了WorldAbduct，一个基于推理的世界模型驱动的框架演化方法。WorldAbduct通过四个互补视角（状态一致性、世界观察差距、政策门正确性和目标判断）诊断执行轨迹，以假设潜在规则，并通过有针对性的推理交互进行验证，然后将其整合到账本中。在企业基准World of Workflows上，结合WorldAbduct的E-Ledger在四个LLM基础上提高了安全任务完成率，超越了最强的演化基线5-15个百分点。实验结果还表明，推理框架演化在科学环境中也具有可迁移性。

🔬 方法详解

问题定义：本文旨在解决在部分可观测世界中，企业工作流执行的安全性和持久性问题。现有方法无法有效处理工具反馈的隐藏副作用和长时间任务的状态跟踪。

核心思路：论文提出E-Ledger框架，通过代码审批层确保每个行动符合组织政策，并利用WorldAbduct推理未知的隐藏规则，从而提升执行的安全性和效率。

技术框架：E-Ledger的整体架构包括代码审批层、世界账本和WorldAbduct推理模块。代码审批层在执行前检查提议的行动，世界账本维护动态状态和隐藏规则，而WorldAbduct负责推理和验证潜在规则。

关键创新：最重要的技术创新在于结合了代码审批与推理机制，能够在执行过程中动态识别和整合隐藏规则，这一设计与传统方法的静态规则管理有本质区别。

关键设计：在设计中，E-Ledger的代码审批层使用了严格的政策检查机制，世界账本则采用了证据支持的动态状态管理，WorldAbduct通过四个视角进行推理，确保潜在规则的准确性和有效性。

🖼️ 关键图片

fig_0
fig_1

📊 实验亮点

在World of Workflows基准测试中，结合WorldAbduct的E-Ledger显著提高了安全任务完成率，超越了最强的演化基线5-15个百分点。此外，实验结果在ScienceWorld和DiscoveryWorld中也显示出推理框架的有效性，表明其在科学环境中的可迁移性。

🎯 应用场景

该研究的潜在应用领域包括企业自动化、智能助手和复杂系统管理等。通过提供安全和持久的执行框架，E-Ledger与WorldAbduct可以帮助企业在遵循政策的同时提高工作效率，未来可能在多个行业中推广应用。

📄 摘要（原文）

Large language model agents can invoke tools fluently, but enterprise workflows demand more than selecting the right tools: actions must strictly comply with organizational policies, tool feedback often conceals hidden side effects under partial observability, and long-horizon tasks require persistent state tracking across multiple records. To address these challenges, we introduce E-Ledger, a multi-agent harness for safe and persistent execution. E-Ledger employs a code approval layer that checks every proposed action against policy before execution, and maintains a world ledger of verified hidden rules alongside evidence-backed dynamic state. Because hidden rules are typically unknown a priori, we further propose WorldAbduct, an abductive, world-model-driven harness evolution framework. WorldAbduct diagnoses execution trajectories across four complementary views (state consistency, world-observation gap, policy-gate correctness, and goal judgment) to hypothesize latent rules, and verifies them through targeted abductive interactions before integrating them into the ledger. On the enterprise benchmark World of Workflows, E-Ledger with WorldAbduct improves safe task completion across four LLM backbones, outperforming the strongest evolution baseline by 5--15 percentage points. Experiments in ScienceWorld and DiscoveryWorld further show that abductive harness evolution carries over to scientific environments. Our code is available at https://github.com/HKUST-KnowComp/E-LEDGER-WorldAbduct.