VBL验证‑回退循环：面向长视界语言智能体的结构化前置条件恢复框架

VBL验证‑回退循环：面向长视界语言智能体的结构化前置条件恢复框架arXiv编号：arXiv:2610.41564v1 [cs.(\mathcal{A})I]摘要语言智能体越来越多地在交互式环境下执行长视界任务，任务动作往往依赖潜在前置条件。长视界任务的核心难点并非轨迹本身长度，而是故障恢复能力：当必要前置条件缺失、或者早期任务分解失效时，简单替换另一个看似合理的动作几乎无法解决问题。Re(\mathcal{A})ct以及后续的反思、自适应规划类方法虽然支持局部修正，但恢复逻辑采用自由文本形式，不存在显式控制状态来关联终端目标、当前激活目标以及故障根源。本文提出VBL（Verify‑Backtrack Loop，验证‑回退循环），无需训练，作为Re(\mathcal{A})ct的扩展框架。该框架将前置条件发现与故障诊断转化为对规划状态的结构化更新。VBL使用有界目标栈维护不断演化的任务分解；每当需要就绪性检查时，会同时做双重视界校验：当前激活目标是否对终端目标有贡献、在当前环境状态下该目标是否具备可执行可行性。触发校验时机包括目标激活时、执行失败后、环境发生实质性状态变更之后。结合类型化故障归因，触发显式栈操作：PU(\mathcal{S})H入栈、P(\mathcal{O})P出栈、重试、B(\mathcal{A})CK(\mathcal{T})R(\mathcal{A})CK(\mathcal{T})(\mathcal{O})回退至父目标。本文使用Qwen3.5‑9B、GP(\mathcal{T})‑4o、Deep(\mathcal{S})eek‑V3.2三款基座模型，在(\mathcal{A})ppWorld、(\mathcal{A})LFWorld、(\mathcal{S})cienceWorld三套公开基准开展评测。在每一组基座‑基准组合上，VBL均优于Re(\mathcal{A})ct与基于反思的控制基线。在难度较高的(\mathcal{A})ppWorld任务上，相比Re(\mathcal{A})ct任务成功率最高提升22.07个百分点；在(\mathcal{S})cienceWorld提升14.21pp，(\mathcal{A})LFWorld提升10.45pp。消融实验表明：移除验证模块或者移除诊断模块都会造成性能下降，部分设置下性能甚至低于Re(\mathcal{A})ct基线；验证与诊断二者是互补关系而非冗余。实验证明：可靠的长视界交互，需要对规划状态本身进行修订，而不只是修改下一个待执行动作。关键词语言智能体；长视界交互；前置条件恢复；Re(\mathcal{A})ct；目标栈；验证‑回退循环目录引言相关工作VBL方法框架3.1 问题形式化3.2 双重视界控制状态3.3 目标栈与四类栈原语操作3.4 完整控制循环算法实验设置实验结果与消融分析讨论与局限性结论附录简要说明1 引言大语言模型借助工具、网页接口、软件环境、具身系统完成交互式任务。很多这类任务属于长视界场景：动作改变外部环境状态，动作效果不断累积，后续决策依赖早期执行结果。可靠执行要求智能体在保持终端目标不变的同时，能够自适应调整中间层规划。长视界任务真正的难点不在于轨迹步数多少。很多中间子目标之间存在依赖关系，这些依赖不会写在初始指令里，只有执行过程中才会暴露。当某一项前置条件被遗漏，后续一连串动作都会失败；仅仅换一个看起来合理的动作往往于事无补，智能体必须定位故障根源，并且在对应层级修订任务分解方案。Re(\mathcal{A})ct范式通过推理‑动作‑观测交替循环实现交互式智能体。它可以根据新证据调整下一步决策，但不会对目标施加显式层级结构。交互历史只记录发生过的事件，并不记录哪一个是当前激活子目标、该子目标如何服务于终端目标、发生多次失败之后应该回到哪一层规划重新开始。自适应规划、搜索型规划会修订计划、探索备选路径；反思类方法依靠批判、目标条件反馈修订输出与动作。但是以上方法的故障恢复大多依靠自由文本描述，缺少紧凑的规划状态，同时表达终端目标、激活子目标、故障因果来源。因此核心挑战不只是修订下一个动作，而是在恰当层级修订规划状态。修订过程需要两套视界判断：终端目标对齐：当前激活目标是否服务于最终任务；激活目标就绪性：在当前环境状态下该子目标是否具备执行可行性。执行失败之后，智能体需要判断：是插入缺失前置条件、本地重试，还是回退到更早的分解层级。基于以上分析，本文提出VBL验证‑回退循环，无需训练，作为Re(\mathcal{A})ct的扩展组件。VBL用有界目标栈表示不断演化的任务分解，栈根为终端任务，栈顶为当前激活目标。在目标激活时刻、执行失败之后、环境发生实质性状态变更之后，双重视界校验器同时评估：子目标和终端目标是否对齐、子目标在当前状态下是否就绪。类型化故障归因将反复失败映射为显式栈操作：PU(\mathcal{S})H插入缺失前置条件，B(\mathcal{A})CK(\mathcal{T})R(\mathcal{A})CK(\mathcal{T})(\mathcal{O})回退至父目标；目标确认完成则执行P(\mathcal{O})P弹出。每一次栈更新会重新触发校验；回退操作只修改规划状态，不会撤销环境已经发生的动作，因此适用于动作不可逆的有状态环境。本文主要贡献将长视界智能体控制形式化为双重视界问题，区分「终端目标对齐」与「激活目标就绪性」，允许未对齐、被阻塞的目标触发不同规划决策。提出VBL验证‑回退循环，无需训练，扩展Re(\mathcal{A})ct；将验证、类型化故障归因映射到有界目标栈的显式状态迁移。在三套公开交互式基准、三款基座模型开展评测；固定基座、交互预算、环境接口，VBL在全部基座‑基准组合上优于基线；消融证明验证模块、诊断模块为互补组件，缺一不可。2 相关工作2.1 推理、动作与反思思维链Co(\mathcal{T})提示为多步问题生成中间推理；Re(\mathcal{A})ct将该思想拓展到交互场景，交替执行推理、动作、观测。反馈增强变体依靠批判反思修订输出或动作：(\mathcal{S})elf‑Refine迭代优化模型输出；Reflexion跨回合保存文本经验；Refl(\mathcal{A})ct基于当前状态与任务目标的关系条件化下一步动作。上述反思方法可以提升自适应能力，但故障恢复依旧是自由文本，没有显式控制状态。VBL把终端目标对齐、激活目标就绪性分开建模，将校验与故障归因映射到目标栈的状态迁移。本文和Re(\mathcal{A})ct、Refl(\mathcal{A})ct使用同一套执行器做公平对比；VBL属于单episode协议，不在本工作研究多试次记忆、多阶段元认知控制器。2.2 规划、任务分解与搜索提示驱动任务分解、自适应/搜索型规划可以修订显式计划，探索备选推理与动作路径。VBL聚焦单episode内部问题：当一条执行路径被阻塞时，应该修改分解树的哪一层。VBL维护单条有界目标栈，而不是完整搜索树；当目标对齐但是不可行时插入缺失前置条件；当前分解失效时回退到父节点。重点是显式恢复点与定向规划状态修订，而不是大规模多路径搜索。2.3 层级控制与智能体记忆层级智能体围绕子目标组织长轨迹，例如Hi(\mathcal{A})gent把子目标视作工作记忆单元，对完成的子目标做观测摘要。VBL的层级载体是有界目标栈，表达当前任务分解与恢复点；执行器只读取根任务文本以及栈顶激活目标，不读取完整栈。VBL的episode局部摘要仅用于限制上下文窗口，任务结束即丢弃，不属于独立记忆贡献。VBL的核心创新不是单独某一个模块，而是通过统一控制表示把三者耦合：终端目标对齐、局部可行性判断、故障归因、后续执行。3 VBL方法框架VBL在Re(\mathcal{A})ct执行器之上增加显式规划状态。核心思想：把自由轨迹中经常混在一起的两件事拆开判断：①当前激活目标是否相关且可行；②执行失败之后如何变更任务分解。有界目标栈将这些判断转化为控制原语操作。3.1 问题形式化智能体接收自然语言指令，在有状态环境中执行动作。任务建模为目标条件部分可观测序贯决策过程：KaTeX parse error: Can't use function '\(' in math mode at position 28: …\left(\mathcal{\̲(̲\mathcal{S}\)},…KaTeX parse error: Can't use function '\(' in math mode at position 10: \mathcal{\̲(̲\mathcal{S}\)}环境状态空间；KaTeX parse error: Can't use function '\(' in math mode at position 10: \mathcal{\̲(̲\mathcal{A}\)}动作空间；KaTeX parse error: Can't use function '\(' in math mode at position 10: \mathcal{\̲(̲\mathcal{O}\)}观测空间KaTeX parse error: Can't use function '\(' in math mode at position 10: \mathcal{\̲(̲\mathcal{T}\)}状态转移函数；KaTeX parse error: Can't use function '\)' in math mode at position 15: \\(\mathcal{O}\̲)̲mega动作后生成观测；I II用户指令；g ∗ g^{*}g∗终端目标谓词；B BB交互步数预算。真实环境状态s t s_ts