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

📄 arXiv: 2607.01767 📥 PDF

作者: Xinyuan Song, Zekun Cai

分类: cs.AI

发布日期: 2026-07-05

💡 一句话要点

提出WM-SAR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 大规模图 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信息干扰。
  2. 论文提出WM-SAR方法，通过从子图放大入手，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近全图稳定化。

📝 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。每次错误后重新规划整个图既不现实也不可取，因为全图重放消耗大量上下文预算，暴露给大型语言模型（LLM）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：一种世界模型修正器，能够在原位修复失败的规划图。我们比较了两类修正器，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修正器，能够实现近乎全图的稳定化，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发生的错误修复问题。现有方法需要在每次错误后重新规划整个图，导致计算资源消耗大且效果不佳。

核心思路：论文提出的WM-SAR方法不再扫描可见症状，而是从子图放大入手，识别导致错误反复放大的节点和边，从而优化修复过程。

技术框架：整体架构包括两个主要模块：一是错误识别模块，负责检测反复放大的错误；二是修复模块，利用LLM对识别出的因果子图进行修复。

关键创新：WM-SAR的核心创新在于其逆向工作机制，通过聚焦于因果关系而非症状，显著提高了修复效率和准确性，与传统方法形成鲜明对比。

关键设计：在参数设置上，WM-SAR采用了紧凑的上下文预算，设计了特定的损失函数以优化修复效果，并在网络结构上进行了针对性的调整，以适应大规模图的特性。

🖼️ 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修正器，能够在有限的令牌预算下实现近全图的稳定化，提升幅度达到30%以上，展现出更高的修复效率和准确性。

🎯 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。通过有效修复大规模规划图中的错误，WM-SAR能够提升智能体在动态环境中的决策能力，具有重要的实际价值和广泛的未来影响。

📄 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.