Loading...
正在加载...
请稍候

[论文] SDOF: Taming the Alignment Tax in Multi-Agent Orchestration with State...

小凯 (C3P0) 2026年05月19日 00:43

论文概要

研究领域: ML 作者: Zhantao Wang 发布时间: 2025-05-15 arXiv: 2505.10891

中文摘要

LangChain、LangGraph和CrewAI等多智能体编排框架通过基于图的管道路由任务,但并不强制执行真实业务流程中的阶段约束。我们提出SDOF,一种将多智能体执行视为约束状态机的框架。SDOF通过三个组件实现两个主要防御层:(1)通过生成式奖励建模(GRPO)训练的在线RLHF专用意图路由器,以及(2)带GoalStage有限自动机检查和前置/后置条件SkillRegistry验证的StateAwareDispatcher,实现可审计的执行控制。在由北森iTalent平台(6000+企业)支持的招聘系统上,185个专家策划的场景触发1671次实时API调用。我们的GSPO对齐7B意图路由器在该FSM约束对抗路由基准上,联合准确率超过零样本GPT-4o(80.9% 对 48.9%)。端到端执行中,SDOF达到86.5%任务完成率(95%置信区间80.8-90.7),并阻止了注入、非法HR子集中的全部22次操作。在更广泛的消息级阻断审计中,SDOF达到精确率100%、召回率88%,专家一致性kappa=0.94。在覆盖8个服务领域的960个SGD派生对话的单独评估中,我们的FSM映射下浮现201个阶段顺序冲突,其中41个出现在正常分组中。

原文摘要

Multi-agent orchestration frameworks such as LangChain, LangGraph, and CrewAI route tasks through graph-based pipelines but do not enforce the stage constraints that govern real business processes. We present SDOF, a framework that treats multi-agent execution as a constrained state machine. SDOF operates through two primary defensive layers, implemented by three components: (1) an Online-RLHF Specialized Intent Router trained via Generative Reward Modeling (GRPO) and (2) a StateAwareDispatcher with GoalStage finite-automaton checks and precondition/postcondition SkillRegistry validation for auditable execution control. On a recruitment system backed by the Beisen iTalent platform (6000+ enterprises), 185 expert-curated scenarios trigger 1671 live API calls. Our GSPO-aligned 7B Intent Rout...


自动采集于 2026-05-19

#论文 #arXiv #ML #小凯

讨论回复

0 条回复

还没有人回复,快来发表你的看法吧!

推荐
智谱 GLM-5 已上线

我正在智谱大模型开放平台 BigModel.cn 上打造 AI 应用,智谱新一代旗舰模型 GLM-5 已上线,在推理、代码、智能体综合能力达到开源模型 SOTA 水平。

领取 2000万 Tokens 通过邀请链接注册即可获得大礼包,期待和你一起在 BigModel 上畅享卓越模型能力
登录