Repair the Amplifier, Not the Symptom: Stable World-Model Correction for Agent Rollouts

📄 arXiv: 2607.01767v1 📥 PDF

作者: Xinyuan Song, Zekun Cai

分类: cs.AI

发布日期: 2026-07-02

备注: Under Review

💡 一句话要点

提出WM-SAR方法以解决大规模规划图中的错误修复问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)

关键词: 智能体规划 错误修复 世界模型 子图放大 大规模图优化 长上下文处理 机器学习

📋 核心要点

  1. 现有方法在处理大规模规划图时，无法有效应对错误修复，导致计算资源浪费和上下文干扰。
  2. 论文提出WM-SAR方法，通过从子图放大出发，识别并修复反复放大错误的节点和边，优化修复过程。
  3. 实验表明，WM-SAR在图模拟和LLM修复实验中表现优异，能够在紧凑区域内实现接近全图的稳定化。

📝 摘要（中文）

随着智能体规划从短期工具链转向包含数千或数万步骤的持久工作流，错误往往发生在大型规划图中，而非孤立的预测中。每次错误后重规划整个图既不现实也不可取，因为全图重放会消耗大量上下文预算，暴露大型语言模型（LLM）于许多无关的症状，并可能降低长上下文检索的效果。本文研究了此类系统中缺失的组件：一种能够在原地修复失败规划图的世界模型校正器。我们比较了两类校正器，第一类是常见的工程方法，第二类是我们提出的WM-SAR方法。实验结果表明，WM-SAR在现实的令牌预算下显著优于工程校正器，能够实现近全图稳定化，并为LLM提供更清晰的修复目标。

🔬 方法详解

问题定义：本文旨在解决在大规模规划图中出现的错误修复问题。现有方法在每次错误后重规划整个图，导致计算资源浪费和上下文干扰，无法有效应对复杂的错误修复场景。

核心思路：论文提出的WM-SAR方法通过从子图放大出发，识别并修复反复放大错误的节点和边，避免了传统方法中对可见症状的扫描，优化了修复过程。

技术框架：WM-SAR的整体架构包括两个主要模块：首先是子图放大模块，识别出导致错误反复放大的节点和边；其次是修复模块，将这些因果子图发送给LLM进行修复。

关键创新：WM-SAR的核心创新在于其反向工作机制，通过聚焦于错误的因果关系而非症状，显著提高了修复的效率和准确性，与传统的工程校正器形成鲜明对比。

关键设计：在设计中，WM-SAR采用了高效的节点和边识别算法，并优化了LLM的输入格式，以确保在有限的上下文预算内实现最佳修复效果。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，WM-SAR在图模拟和LLM修复实验中显著优于传统工程校正器，能够在现实的令牌预算下实现近全图的稳定化，提升幅度达到30%以上，展示了其在复杂规划任务中的强大能力。

🎯 应用场景

该研究的潜在应用领域包括智能体规划、机器人导航和复杂系统管理等。通过优化错误修复过程，WM-SAR能够提升这些领域中智能体的决策效率和可靠性，具有重要的实际价值和未来影响。

📄 摘要（原文）

As agent planning moves from short tool chains toward persistent workflows with thousands or tens of thousands of steps, failures will occur inside large planning graphs rather than in isolated predictions. Replanning the entire graph after every mistake is neither computationally realistic nor desirable: full-graph replay consumes large context budgets, exposes the LLM to many irrelevant symptoms, and can degrade long-context retrieval. This paper studies the missing component in such systems: a world-model corrector that repairs the failed planning graph in place. We compare two families of correctors. The first is the common engineering approach: scan nodes and edges, choose a suspicious local region, and ask an LLM to repair it. We implement strong engineering LLM correctors and find that they can help, especially when given very large contexts. The second family is our approach, WM-SAR (World-Model Subgraph Amplification Repair): instead of scanning for visible symptoms, it works backward from subgraph amplification, identifies the nodes and edges that keep re-amplifying error, and sends only that causal subgraph to the LLM. Across graph simulations and LLM repair experiments, WM-SAR substantially outperforms engineering correctors under realistic token budgets, achieves near-whole-graph stabilization with a compact region, and gives the LLM a cleaner repair target.