Hugging Face · 每日论文· 媒体 / 作者来源·精选
Interlock: 从局部正确到任务完成的长周期智能体框架
原文标题
Interlock: From Local Correctness to Task Completion in Long-Horizon Agents
AI 导读
针对长周期任务中智能体可能产生局部正确但不完整结果的问题，研究人员提出Interlock框架，将任务表示为类型化完成图，通过连接边、耦合超边和实现边维护任务关系。该框架编译为可重置工作空间、公共请求和评估标准，并通过源覆盖审查和公共输入审查确保任务完整性。在Qwen3.6模型上的实验显示，该框架能提升AutomationBench任务通过率4.00-4.50个百分点，JobBench加权分数3.20-6.64分，Harvey LAB标准通过率3.89-4.16个百分点。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
Interlock框架解决了长周期任务中局部正确但不完整的瓶颈问题，通过任务图表示和验证机制提升任务完成率，适用于复杂环境下的智能体任务执行。
导读由模型辅助整理，非独立核验。完整信息见原文。