ACCORD: Action-Conditioned Contextual Grounding for Language Agents

📄 arXiv: 2606.16432v1 📥 PDF

作者: Lai Jiang, Cheng Qian, Zhenhailong Wang, Pan Lu, Heng Ji, Hao Peng

分类: cs.CL, cs.AI

发布日期: 2026-06-15

💡 一句话要点

提出ACCORD框架以解决语言代理中的上下文缺失问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 上下文基础 语言代理 自适应学习 任务执行 信息探测 模型整合 智能助手

📋 核心要点

  1. 现有的语言代理在执行任务时常常依赖假设而非观察到的具体信息，导致信息遗漏和执行失败。
  2. ACCORD框架通过在每次行动前主动探测环境，整合代理的历史上下文信息，从而实现自适应的上下文基础。
  3. 在AppWorld上，ACCORD显著提升了任务完成率，GPT-5-mini的成功率从42.0%提升至62.6%，相较于强基线提高了20.6个百分点。

📝 摘要（中文）

用户指令往往不够明确，因为人类依赖于对周围环境的隐含假设。对于在信息丰富的数字和物理环境中操作的大型语言模型（LLM）代理，这些假设不能仅从指令中推断，而必须从工具、数据、接口和观察的当前状态中恢复。因此，代理需要识别缺失的上下文，将其与观察到的证据结合，并在后续行动中加以利用。我们发现当前代理常常未能做到这一点。基于此，我们提出了ACCORD（基于行动的上下文基础），这是一个简单有效的自适应基础框架。在每次行动之前，ACCORD主动探测环境中的缺失信息，并整合代理轨迹中相关的上下文，从而提高任务目标的完成率。

🔬 方法详解

问题定义：论文要解决的问题是现有语言代理在执行任务时常常依赖假设而非观察到的具体信息，导致信息遗漏和执行失败。现有方法未能有效识别和整合环境中的上下文信息。

核心思路：论文提出的核心思路是ACCORD框架，它在每次行动前主动探测环境以获取缺失的信息，并整合代理的历史上下文，从而提高任务执行的准确性和效率。

技术框架：ACCORD的整体架构包括环境探测模块、上下文整合模块和行动执行模块。环境探测模块负责识别缺失信息，上下文整合模块则将相关信息与代理的历史轨迹结合，最后行动执行模块基于整合后的信息进行决策。

关键创新：ACCORD的主要创新在于其主动探测和整合上下文的能力，这与现有方法的被动依赖假设形成了鲜明对比。通过这种设计，ACCORD能够更好地适应动态环境，提高任务完成率。

关键设计：在设计上，ACCORD不需要额外的训练或任务成功信号，利用现有的模型进行上下文整合，确保了其在多种环境中的适用性和有效性。

📊 实验亮点

实验结果显示，ACCORD在AppWorld上使得GPT-5-mini的任务完成率从42.0%提升至62.6%，提升幅度达到20.6个百分点。此外，在更强的基础模型Claude-4.5-sonnet和开放权重模型Qwen3.5-27B-FP8上，ACCORD也分别实现了10.8和10.1的提升，证明了其广泛的适用性。

🎯 应用场景

该研究的潜在应用领域包括智能助手、自动化客服和机器人导航等。通过提高语言代理在复杂环境中的上下文理解能力，ACCORD能够显著提升用户体验和任务执行效率，具有广泛的实际价值和未来影响。

📄 摘要（原文）

User instructions are often underspecified because humans rely on implicit assumptions about the surrounding environment. For large language model (LLM) agents operating in information-rich digital and physical environments, these assumptions cannot be inferred from the instruction alone; they must be recovered from the current state of tools, data, interfaces, and observations. Effective execution therefore requires agents to identify missing context, ground it in observed evidence, and carry it forward into subsequent actions. We show that current agents often fail to do so. They act from assumed rather than observed specifics, overlook information they could have gathered, and fail to incorporate evidence that has already been returned. Building on this insight, we propose ACCORD (Action-Conditioned Contextual Grounding), a simple and effective agent framework for adaptive grounding. Before each action, ACCORD actively probes the environment for missing information and integrates relevant context from the agent's trajectory that would otherwise be overlooked. Requiring no additional training or task-success signals, ACCORD improves task-goal completion on AppWorld by up to +20.6 points with GPT-5-mini, from 42.0% to 62.6%, compared to strong baselines. These gains persist with a substantially stronger base model (+10.8 with Claude-4.5-sonnet), an open-weight model (+10.1 with Qwen3.5-27B-FP8), and on the embodied AlfWorld benchmark (+7.4 success rate with GPT-5-mini).