AgentRewind：面向长程 LLM 智能体的可恢复执行

许多现实世界任务要求 LLM 智能体在较长的执行时域内与其环境交互。执行早期发生的错误可能会通过智能体上下文和环境状态传播，其影响也可能难以通过后续操作逆转。现有方法主要通过计划细化和安全检查来减少此类错误，但在错误发生后提供的支持很少。为实现长程执行中的恢复，我们提出 AgentRewind，这是一个运行时恢复框架，可记录智能体上下文和受控环境的对齐检查点，使智能体能够返回到较早状态，并利用先前尝试中的信息继续执行。我们还构建了 MettleBench，这是一个用于评估长程工程任务中任务完成情况和部分进展的基准，这些任务包含一系列相关需求。跨任务、多个模型、执行策略和智能体框架的实验表明，与所比较的基线相比，AgentRewind 提高了任务成功率和平均检查清单进度。