PoS 用显式信念状态管理长程智能体，在四个基准上以三种 LLM 骨干取得最高总体性能
该工作提出推理时框架 PoS，把当前世界状态估计与未解决任务需求合并为显式信念状态作为智能体决策上下文，并持续校验一致性、监控任务进展以检测“信念陷阱”，再按陷阱模式与未解决需求类型定制恢复；在覆盖执行与诊断的四个基准上，PoS 在三种 LLM 骨干下均取得最高总体性能，消融显示一致性校验与恢复机制重要，上下文扩展实验显示对上下文增长具有韧性。
阿里团队提出PoS：用显式信念状态加Belief Trapping检测与恢复，在四个基准、三个骨干上全部取得最高分
该工作提出推理时框架PoS，把智能体的决策上下文从交互历史改为持续维护的显式信念状态（世界状态加未解决的认识缺口与成就缺口），并用Belief Sentinel做一致性校验、用窗口级信号检测Belief Trapping（停滞、循环、漂移）后按模式与受阻缺口类型组合恢复约束；在ALFWorld、LOCA-Bench、RCA-100、ClinDiag四个基准与Qwen3.7-Plus、Kimi-K3、GLM-5.3三个骨干的全部12个组合上取得最高总体表现，相对同骨干最强基线的增益最高达ALFWorld 22.68%、RCA-100联合准确率37.89%。
已读完全部报道