---
title: "研究者报告：有限状态控制可减少智能体偏离流程"
dek: "一篇 arXiv 预印本报告称，将工作流状态保存在模型之外，可改善长时间运行中的流程遵循表现。保存的摘要提供了作者报告的结果，尚不足以独立确认部署中的可靠性。"
---

Yutao Sun 及其合作者于 2026 年 11 月 7 日提交预印本，报告称，可执行的有限状态控制能够改善语言模型智能体在长时间运行中的流程遵循表现。其有限状态机（FSM）将工作流状态保存在模型上下文之外，并在工具调用、状态转换和智能体回合结束三个环节执行流程约束。[^1]

作者称，智能体会逐渐偏离最初给定的流程；重复指令或恢复已停止的智能体，只会让它换一种方式走捷径。在一项被作者描述为预注册的实验中，每批 SOP-Bench 任务涉及 200 个账户。使用 FSM 的 Claude Haiku 4.5 平均对 139 个账户作出了正确且符合流程的决策，最强基线为 48 个。摘要报告，两者差值的 95% 置信区间为 [46, 130]，并称这一表现保持到了运行结束。[^1]

作者还报告，配合 FSM 的 Haiku 4.5 平均完成的正确且合规决策多于未使用该控制机制的 Claude Sonnet 4.6，成本为后者的 38%。作者认为，对 SWE-bench Verified、τ²-bench，以及分阶段和跨上下文工作流的补充分析，也提示了加强执行控制的价值。这些均为摘要中报告的研究结论。[^1]

:::analysis
这一问题涉及 T6 评估层、T5 智能体层和 T2 运行时层：基准结果针对的是由外部控制器约束的流程行为，因此，判断部署中的智能体是否值得信任，需要核查实际约束其操作的控制器和流程。用户与运营方应核对模型、控制器版本、工作流配置，以及上述三个环节是否落实约束；保存的来源没有指定需要安装的修复版本。这里需要具备的可核查属性是可识别性：如果服务用户的确切版本和配置有记录且可核查，用户就能判断自己是否接触过所涉部署，但这些记录本身不能确认执行正确。这些是根据机制提出的核查要求，并非摘要已经证实具备的能力。[^1]
:::

:::checked
我们于 2026 年 11 月 15 日阅读了所提供的 arXiv 摘要页保存文本，题为“Keeping LLM Agents on Procedure: Executable Finite-State Control for Long-Horizon Instruction Fidelity”，版本标识为 arXiv:2611.10884v1。这次阅读确认的是保存页面报告了什么；我们没有阅读论文全文、检查代码、复现实验或测试系统。[^1]
:::

[^1]: https://arxiv.org/abs/2611.10884
