Scoped Verification for Reliable Long-Horizon Agentic Context Evolution under Distribution Shift
分布漂移下通过局部验证实现长程智能体上下文可靠演化
🧭 Agent 持久指令的结构化可靠演化
RedMind Research, San Francisco, CA, USA · National Taiwan University, Taipei, Taiwan
提出图正则化上下文演化(GRACE)，将指令表示为类型化语义图并局部验证更新，使长程Agent可靠性提升7倍
📌 工作参考价值（4 点）
- 将系统指令/策略用类型化图（节点+关系）维护，取代扁平长文本，便于增量更新和冲突检测；可适用于推荐Agent的规则积累
- 采用局部邻域验证：修改指令时只检查直接关联节点的约束，避免全局重审，降低校验成本
- 图更新后自动生成文本指令 checkpoint，保持部署兼容性；工程上可作为指令管理中间层
- 使用 pass^k 等严格通过率指标评估 Agent 在分布漂移下的可靠性，比简单成功率更能暴露脆弱性