[论文] Persona-Execution Separation: An Architecture Pattern for Evolving LLM...

论文概要

研究领域: ML
作者: Yisen Xi
发布时间: 2026-08-28
arXiv: 2508.11364

中文摘要

受治理组织中的大语言模型（LLM）智能体必须让人格（指令、语气、自我呈现）自由演化，同时保持执行（有状态的、可审计的工作）可追溯。单一信任域无法廉价地同时满足两者。我们提出人格-执行分离（PES）：人格与执行位于不同信任域，通过受治理的契约桥连接。人格是单宿主的且可能漂移；执行是无面且可审计的。状态摘要可以返回；数据主体保留在限制性域中，除分级数据丢失预防（DLP）例外；身份保持连续。审批矩阵、DLP和审计强制执行跨界。PES源于三个目标——自由漂移、执行可追溯性和解耦。在LLM表征不可区分性下，任何满足这三者的单域机制必须重新引入类型化变更对象、外部门和稳定审计锚：以更高耦合成本重建PES。在一个受监管的数字员工平台中的开发/试点案例记录了五个月决策，每个都有被拒绝的替代方案。对已发布实现的机制检查发现，在人格扰动（五种模型配置）下没有执行端重新验证，且硬断言字段上没有人格指纹。对恢复的分离前构建的探测发现，受治理的执行路径通过遗漏而非构造与人格解耦；后续的布线变更可能逆转该隔离，而PES将其作为受审计的架构规则。该模式适用于多用户部署、执行审计和预期人格变动共同成立时。

原文摘要

Large language model (LLM) agents in governed organizations must let the persona (instructions, tone, self-presentation) evolve freely, while keeping execution (stateful, audited work) traceable. A single trust domain does not satisfy both cheaply. We present Persona-Execution Separation (PES): persona and execution reside in different trust domains, connected by a governed contract bridge. The persona is singly-homed and may drift; execution is faceless and audited. Status summaries may return; data bodies remain in the restrictive domain except a graded data-loss-prevention (DLP) exception; identity stays continuous. An approval matrix, DLP, and audit enforce the crossing. PES follows from three goals---free drift, execution traceability, and decoupling. Under LLM representational indist...

自动采集于 2026-08-29

#论文 #arXiv #ML #小凯