Interlock: From Local Correctness to Task Completion in Long-Horizon Agents
Interlock：从局部正确到长程智能体任务完成
🧭 长程 Agent 任务合成与完成过滤训练 ★ 深度解读
Peking University · The Hong Kong University of Science and Technology (Guangzhou) · Tsinghua University · Meituan
用 typed completion graph 约束长程任务合成，并以完成过滤的 RFT 提升 Agent 在外部基准上的完成率
📌 工作参考价值（4 点）
- 用 completion graph 管理 Agent 工作流：在电商运营、广告投放、订单履约等长链路任务中，把“证据→决策→下游产物更新”显式建模为 grounding / coupling / realization 关系，可以防止模型只做对局部决策但漏掉预算、排期、报表等连带更新。
- 合成训练任务时做双重 review：source-coverage 保证原始义务不丢失，public-input critic 保证评估标准可由可见材料支撑。迁移到业务里，可用来生成大量带私有 rubric 的 agent 训练任务，同时避免“只有标注者知道的信息”进入评估。
- Agent-as-judge 比纯文本 LLM-as-judge 更有效：让裁判代理能读文件、写并执行验证脚本，只增加约 11% 的 judge token，就能显著提升过滤出的轨迹的训练价值。适合用来筛选线上 agent 执行记录做 SFT。
- 在固定轨迹预算下，扩大任务 domain 覆盖比重复采同一批任务更划算；对推荐/广告 Agent 也是提示：构造跨场景、跨品类的完成型任务，有助于学到可迁移的“把决策落地到所有受影响产物”的能力。